贪心算法绪论.pptVIP

贪心法(Greedy Approach) 基本思想 算法设计 设计要素 与动态规划法的比较 正确性证明 得不到最优解的处理办法 应用实例 活动选择问题 贪心算法 实例 正确性证明 归纳证明 证明：归纳基础 设S={1,2,…,n}是活动集，活动按截止时间递增顺序排序. k=1, 证明存在最优解包含活动1. 任取最优解A, A中的活动按照截止时间递增的 顺序排列. 如果A的第一个活动为 j，j?1, 令 A’= (A?{ j })?{1}, 由于 f1 ? fj , A’也是最优解，且含有1. 贪心算法 贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题他能产生整体最优解或者是整体最优解的近似解 贪心算法 贪婪算法(Greedy algorithm)是一种对某些求最优解问题的更简单、更迅速的设计技术。 用贪婪法设计算法的特点是一步一步地进行，常以当前情况为基础根据某个优化测度作最优选择，而不考虑各种可能的整体情况， 它省去了为找最优解要穷尽所有可能而必须耗费的大量时间，它采用自顶向下,以迭代的方法做出相继的贪心选择,每做一次贪心选择就将所求问题简化为一个规模更小的子问题, 通过每一步贪心选择,可得到问题的一个最优解， 虽然每一步上都要保证能获得局部最优解，但由此产生的全局解有时不一定是最优的，所以贪婪法不要回溯。 贪心算法 对于一个给定的问题，往往可能有好几种量度标准。初看起来，这些量度标准似乎都是可取的，但实际上，用其中的大多数量度标准作贪婪处理所得到该量度意义下的最优解并不是问题的最优解，而是次优解。因此，选择能产生问题最优解的最优量度标准是使用贪婪算法的核心。 贪心算法 　1.建立数学模型来描述问题。 　2.把求解的问题分成若干个子问题。 　3.对每一子问题求解，得到子问题的局部最优解。 　4.把子问题的解局部最优解合成原来解问题的一个解。 　　 实现该算法的过程： 　　从问题的某一初始解出发； 　　while 能朝给定总目标前进一步 do 　　求出可行解的一个解元素； 　　由所有解元素组合成问题的一个可行解。 　 贪心算法设计要素 适用： 满足优化原则的组合优化问题 问题求解表示成多步判断 整个判断序列对应问题的最优解，子序列对应子问题的 最优解 贪心选择：短视的优化策略 正确性证明：归纳法(算法步数、问题规模)，交换论证 自顶向下计算：通过贪心选择，将原问题规约为子问题 线性表记录选择的结果 最优装载 Loading 贪心选择性质证明 命题：对任何规模为n (n是正整数) 的输入，上述贪心法都 得到最优解. 证明思路 对规模的归纳 设集装箱标号按照从轻到重记为1, 2, … , n n=1,贪心选择得到最优解（只有1个箱子，不证） 假设对于规模为 n?1 的输入得到最优解，证明对规模为 n 的输入也得到最优解 归纳步骤 说明 最小延迟调度 问题： 任务集合S，?i?S，di 为截止时间，ti 为加工时间， di , ti为正整数. 一个调度 f : S?N，f(i)为任务 i 的开始时间. 求最大 延迟达到最小的调度，即求 f 使得 实例 贪心策略选择 算法设计 交换论证：正确性证明 算法的解的性质： 没有空闲时间, 没有逆序. 逆序 (i, j): f(i) f(j) and di dj 命题1 所有没有逆序、没有空闲时间的调度具有相同的最大 延迟. 证: 因为 f1 与 f2 都没有逆序，具有相同截止时间的任务必 须被连续安排. 在这些连续安排的任务中最大延迟是最后一 个任务，被延迟的时间只与已安排任务加工时间之和有关， 与任务标号无关(最后一个开始的任务的开始时间为前面活动执行时间之和，前面活动出现顺序不影响). 交换论证 交换相邻逆序任务(i, j)不影响最优性 得不到最优解的处理方法 找零钱问题 动态规划算法 Greedy算法 n=1, 2 时得到最优解 n2时得到最优解的判定条件 实例 v4= pv3?? ? 18=14p－? ? p=2, ?=10 w4+G3(?)=1+G3(10)=1+2=3 pw3=2×1=2 w4+G3(?) pw3 , G4(y)不是最优解. G4(pv3) F4(pv3). 即 G4(28)=?28/1