第6章-贪心法.pptVIP

学习要点： 理解贪心算法的概念 掌握贪心算法的基本要素 （1）最优子结构性质 （2）贪心选择性质 理解贪心算法的一般方法 通过应用范例学习贪心设计策略。 （1）背包问题; （2）最优归并模式; （3）最小代价生成树; 章节内容 6.1 一般方法 6.2 背包问题 6.4 最优归并模式 6.5 最小代价生成树 可行解 ——问题给定某些约束条件，满足约束条件的问题解，即称为可行解。 最优解 ——问题给出目标函数衡量可行解的好坏，使目标函数取最大（或最小）值的可行解称为最优解。 贪心法求解最优化问题。 贪心法通过分步决策的方法求解问题，每一步决策产生的一个分量。贪心法每一步上用作决策依据的选n-元组解（x0,x1,…,xn-1）择准则被称为最优量度标准。 在选择解分量的过程中，添加新的解分量xk后，形成的部分解（x0,x1,…,xk)不违反可行解约束条件。 每一次贪心选择都将所求问题简化为规模更小的子问题。 贪心算法不能保证对所有问题都得到整体最优解。 对许多问题，如：一般背包问题、最佳合并模式问题、单源最短路径问题，最小生成树问题等，贪心算法确实能产生整体最优解。 一些情况下，即使贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似。 1、贪心选择性质 一个问题的最优解包含其子问题的最优解，则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。 程序6-1 贪心法算法框架 SolutionType Greedy(SType a[],int n) { SolutionType solution=?；//初始时，解向量不包含任何分量 for (int i=0;in;i++){ SType x=Select(a); //问题的解用n元组(x0,x1,...,xn-1)表示 //遵循最优度量标准选择一个分量x if (Feasiable(solution,x)) //判断加入新分量x后部分解是否可行 solution=Union(solution,x); //形成新的部分解 } return solution; //返回生成的最优解 } 给定n种物品和一个容量为M的背包。物品i的重量是wi，其价值为pi。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? 物品不能分割：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 —— 0/1背包问题 物品是可分割的。选择物品i装入背包时，可以选择物品i的一部分xi（0≤xi≤1）装入，而不一定要全部装入背包 —— 一般背包问题，简称背包问题. 标准1 选取目标函数(总价值)作为量度标准,每次取价值最大的物品装包,不考虑重量. 得到近似解,而不是最优解. 原因:只考虑当前最大收益,背包载重消耗太快. 标准2 选取重量作为量度标准,每次取重量最小的物体装包,不考虑收益. 得到近似解,而不是最优解. 标准3 选取单位重量价值最大的物品装包,即每次选pi/wi最大的物品装包. 标准最合理,得到最优解.(正确性有待证明) 基本步骤: 1、首先计算每种物品单位重量的价值Pi/Wi并按非增次序进行排序； 2、然后依贪心选择策略，选择单位重量价值最高的物品装入背包。依此策略一直地进行下去，将尽可能多的物品全部装入背包，直到将背包装满。 3、若装入某件物品时，不能全部装下，而背包内的物品总重量仍未达到W，则根据背包的剩余载重，选择单位重量价值次高的物品并尽可能多地装入背包。 具体算法可描述如下页： 例6-4：将5个长度分别为(20,30,30,10,5)的有序文件(F1,F2,F3,F4,F5)两两合并成一个有序文件 。 两路合并外排序：通过反复执行将两个有序子序列合并成一个有序文件的操作，将n个长度不等的有序子文件合并成一个有序文件。 整个合并过程中需要读/写记录数最少的合并方案为最佳合并模式。 每一种合并模式可以用合并树描述： 定理6-4：设有n个权值W={w0,w1,...,wn-1}作为外结点的权值，构造两路合并树的贪心算法将生成一棵具有最小带权外路径长度的二叉树。 证明：（归纳法） 设G =(V,E)是无向连通带权图，即一个网络。E中每条边(v,w)的权为c[v][w]。 若极小连通子图G’包括图G中的所有顶点，并有尽可能少的边，则称G’为G的生成树。 生成树上各边的权值代表相应的代价。树中各条边的代价总和是生成树的代价。 图的生成树不唯一，采用不同的遍历方法，从不同的结点出发可得到不同的生成树。在G