第六章_贪心法.pptVIP

算法分析与设计 主 讲：徐晓蓉 联系电话 邮 箱：rortyrong@163.com 所在院系：计算机科学与技术学院 第六章 贪心法 贪心算法的直观含义 例1.如：找硬币0.15元，要求硬币数最少。找硬币方法就是一种贪心算法. （1）面值；5分、2分、1分： （2）面值：11分、5分、1分： 从此例可以看出： 1，贪心法未必总能求得问题的最优解； 2，贪心算法总是作出在当前看来是最好的选择.也就是说贪心算法不从整体最优上加以考虑,它所作出的选择只是在某种意义上的局部最优选择。 虽然贪心算法不是对所有问题都能得到整体最优解,但对范围相当广的许多问题它都能产生最优解。如单源最短路径问题，最小生成树问题等。 而且,在一些情况下，即使贪心算法不能得到整体最优解，但其最终结果却是最优解的很好的近似解！ 6.1 一般方法 贪心方法适合的问题是最优化问题。 最优化问题：有n个输入，而它的解就由这n个输入的满足某些事先给定的约束条件的某个子集组成，而把满足约束条件的子集称为该问题的可行解。显然，可行解一般来说是不唯一的，为了衡量可行解的好坏，问题还给出某个值函数，称为目标函数，使目标函数取极值(极大或极小)的可行解，称为最优解。 6.1 一般方法 贪心方法适合的问题是最优化问题。 最优化问题：有n个输入，而它的解就由这n个输入的满足某些事先给定的约束条件的某个子集组成，而把满足约束条件的子集称为该问题的可行解。显然，可行解一般来说是不唯一的，为了衡量可行解的好坏，问题还给出某个值函数，称为目标函数，使目标函数取极值(极大或极小)的可行解，称为最优解。 6.1 一般方法 贪心法的基本思想: 是依据题意选取一种量度标准，然后按照这种量度标准对这n个输入进行排序，并按序一次输入一个量，作为n-元组的一个分量，如果这个输入量的加入不满足约束条件,则不把此输入加入到部分解向量中. 贪心方法的抽象化控制 算法6.1 贪心法的控制流程 SolutionType Greedy(SType a[]，int n) { SolutionType solutions=φ //将解向量solution初始化为空／ for(int i=0;in;i++) { SType x=Select(a); if (Feasiable(solution,x)) solutions=UNION(solution,x); } return solution; } n个输入按某种量度标准排序 6.1 一般方法 贪心法小结: 适合求解的问题:解为n-元组的最优化问题; 贪心法是分步决策,每一步决策产生n-元组的一个分量 贪心法并不是从整体上考虑最佳，而是做当前看来是最佳的选择，这种选择依赖于以前的选择，但不依赖于以后的选择和子问题,故它的特征是自顶向下一步一步地做出贪心决策. 自顶向下:是以迭代的方式作出相继的贪心选择,每一次贪心选择就将所求问题简化为规模更小的子问题. 1.最优量度标准 所谓贪心法的最优量度标准,是指可以根据该量度标准，实行多步决策进行求解，虽然在该量度意义下所做的这些选择都是局部最优的，但最终得到的解却是全局最优的。 因此，选择最优量度标准是使用贪心法求解问题的核心问题. 6.3 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pi,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. 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,极为相似,但背包问题可以用贪心法求解,而0-1背包问题却不能用贪心法求解。 6.3 背包问题 已知有n种物品和一个可容纳M重量的背包,每种物品i的重量为wi.假定将物品i的一部分xi放入背包就会得到pixi的效益,这里，0≤xi≤1，pi0.如果这些物品重量的和大于M,要求所有选中要装入背包的物品总重量不得超过M,而装入背包物品获得的总效益最大.即 6.3 背包问题 例6.1 n＝3，M=20，P＝(25，24，15)，W= (18，15，10) 假设物品可分，故有可行解无数个，其中的四个可行解是： (x0，x1， x2) ∑