算法设计教程03.ppt

第三章 贪心算法 本章主要知识点（4~6学时）： 3.1 活动安排问题 3.2 贪心算法的基本要素 3.3 最优装载 3.4 哈夫曼编码 3.5 单源最短路径 3.6 最小生成树 3.7 多机调度问题 引言 【找零钱问题】希望用数目最少的硬币找零 假设提供了数目不限的面值为2 5美分、1 0美分、5美分、及1美分的硬币。 假设需要找67美分，25+25+10+5+1+1，共6枚。 假设提供了数目不限的面值为1 1美分、5美分及1美分的硬币？找零15美分 11+1+1+1+1，共5枚（贪心算法） 5+5+5，共3枚（非贪心算法） 引言 贪心算法：总是做出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑，它所作出的选择只是在某种意义上的局部最优选择。 引言 3.1 活动安排问题 【活动安排问题】就是要在所给的活动集合中选出最大的相容活动子集合。该问题要求高效地安排一系列争用某一公共资源的活动。贪心算法提供了一个简单、漂亮的方法使得尽可能多的活动能兼容地使用公共资源。 复杂性分析 由于输入的活动以其完成时间的升序排列，所以算法greedySelector每次总是选择最早完成时间的相容活动加入集合A中。 为未安排活动留下尽可能多的时间。 该算法的贪心选择的意义是使剩余的可安排时间段极大化，以便安排尽可能多的活动。 一个实例 例：设待安排的11个活动的开始时间和结束时间按结束时间的非减序排列如下： 说明 若被检查的活动i的开始时间Si小于最近选择的活动j的结束时间fi，则不选择活动i，否则选择活动i加入集合A中。 贪心算法并不总能求得问题的整体最优解。 对于活动安排问题，贪心算法greedySelector却总能求得的整体最优解，即它最终所确定的相容活动集合A的规模最大。这个结论可以用数学归纳法证明。 贪心算法描述 public static int greedySelector(int [] s, int [] f, boolean a[]) { int n=s.length-1; a[1]=true; //选择最早结束活动 int j=1;//j表示已安排活动编号 int count=1;//已安排活动数 for (int i=2;i=n;i++) //i表示待安排活动 { if (s[i]=f[j]) { a[i]=true; j=i; count++; } else a[i]=false; } return count; } 复杂性分析 算法greedySelector的效率极高。当输入的活动已按结束时间的升序排列，算法只需O(n)的时间安排n个活动，使最多的活动能相容地使用公共资源。 如果所给出的活动未按非减序排列，可以用O(nlogn)的时间重排。 3.2 贪心算法的基本要素 对于一个具体的问题，怎么知道是否可用贪心算法解此问题，以及能否得到问题的最优解呢?这个问题很难给予肯定的回答。 但是，从许多可以用贪心算法求解的问题中看到这类问题一般具有2个重要的性质： 贪心选择性质 最优子结构性质。 1.贪心选择性质 所谓贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。这是贪心算法可行的第一个基本要素，也是贪心算法与动态规划算法的主要区别。 动态规划算法通常以自底向上的方式解各子问题，而贪心算法则通常以自顶向下的方式进行，每作一次贪心选择就将所求问题简化为规模更小的子问题。 2.最优子结构性质 当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。问题的最优子结构性质是该问题可用动态规划算法或贪心算法求解的关键特征。 0-1背包问题与背包问题 0-1背包问题： 给定n种物品和一个背包。物品i的重量是Wi，其价值为Vi，背包的容量为C。应如何选择装入背包的物品，使得装入背包中物品的总价值最大？ 在选择装入背包的物品时，对每种物品i只有2种选择，即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i。 背包问题: 与0-1背包问题类似，所不同的是在选择物品i装入背包时，可以选择物品i的一部分，而不一定要全部装入背包，1≤i≤n。 这2类问题都具有最优子结构性质，但背包问题可以用贪心算法求解，而0-1背包问题却不能用贪心算法求解。 void Knapsack(int n,float M,float v[],float w[],float x[]) { Sort(n,v,w); //计算每种物品单位重量的价值Vi/Wi int i; for (i=1;i=n;i++) x[i]=0; float c=M; for (i=1;i=n;i++) { if (w[i]c) break; x[i]=1; c-