第5讲-贪心法.pptVIP

背包问题数学模型： 背包问题只有一种限制,即背包所能承受的重量(即重量不能超过M kg），但是实际上背包除受重量的限制外,还有体积的限制,这就是不但要求旅行者的背包的重量c不能超过M kg,还要求背包的体积v不能超过V m3,等多种类似的约束，我们把这样的问题称为“多维背包问题”。 贪心算法解背包问题的基本步骤(算法)描述 Step1. 计算每种物品单位重量的价值Vi/Wi; Step2. 依贪心选择策略,将尽可能多的单位重量价值 最高的物品装入背包.若将这种物品全部装入 背包后,背包内的物品总重量未超过M,则选择 单位重量价值次高的物品并尽可能多地装入背 包； Step3. 依此策略循环执行,直到背包装满为止。 第5讲 贪心算法 第5讲 贪心算法 算法实现(编码)： greedy-knapsack (float value[n], weight[n], W) { float x[n], LW; // LW背包的剩余重量 Sort(value[n]/weight[n]); //价值/重量比值按从大到小排序 for( int i=1; i =n; i ++) x[i]=0; // x[i]的值来表示物体i是否放入背包 i=1;LW=W; //初始背包重量为W while (weight[i]=LW){ x[i]=1; //如果当前物品可以放入则为1 LW=LW-weight[i];//背包可容纳剩余重量 i++; } x[i]=LW/weight[i];//不能整体装入时，部分装入包中 } 第5讲 贪心算法 算法分析： 算法knapsack的主要计算时间在于将各种物品依其单位重量的价值从大到小排序。因此，算法的计算时间上界为O(nlogn)。 当然，为了证明算法的正确性，还必须证明背包问题具有贪心选择性质。 学有余力的同学试证明上述性质。 扩 展 多维背包问题 m 个约束,其中每一个约束条件被称为一个背包约束, 因此多维背包问题也被称为m-维背包问题. 多维背包问题(MKP)是个著名的NP-难问题。 多维背包问题 数学模型 第5讲 贪心算法 第5讲 贪心算法 小 结： 利用贪心策略解题，需要解决两个问题： 首先，确定问题是否能用贪心策略求解;一般来说,适用于贪心策略求解的问题具有以下特点： ①?可通过局部的贪心选择来达到问题的全局最优解.运用贪心策略解题,一般来说需要一步步的进行多次的贪心选择.在经过一次贪心选择之后,原问题将变成一个相似的,但规模更小的问题,而后的每一步都是当前看似最佳的选择,且每一个选择都仅做一次. ②原问题的最优解包含子问题的最优解,即问题具有最优子结构的性质.在背包问题中，第一次选择单位质量最大的货物,它是第一个子问题的最优解,第二次选择剩下的货物中单位重量价值最大的货物,同样是第二个子问题的最优解,依次类推。 其次,如何选择一个贪心策略标准？正确的贪心策略可以得到问题的最优解,在确定采用贪心算法解决问题时,不能随意的判断贪心策略标准是否正确,尤其不要被表面上看似正确的贪心策略标准所迷惑.在得出贪心策略标准之后应给予严格的数学证明（通常比较困难）。 第5讲 贪心算法 课堂讨论提纲： 结合典型的问题实例，讨论迭代算法、蛮力算法、分治算法、贪婪算法解决问题的基本思想框架。 递归技术（方法）与上述算法之间的关系和区别，为什么没有单独的“递归算法策略”？ 分析一个算法的时间复杂度的关键思想和步骤。 用“计算思维”解决问题的基本步骤。 第5讲 贪心算法 本节作业： 预习：p166- p185 ,动态规划 第5讲 贪心算法 That’s all for today See you next time Good bye! sss * * sss * * 计算机科学学院 王小明 （博士/教授/博士生导师） Email: wangxm@snnu.edu.cn 每节一经典 对大问题求解：“局部最优到全局最优” “走一步看一步，步步追求最优” 回顾：哪些问题适合用“贪心法”获得的最优解？ 满足：贪心选择性质、最优子结构性质 的问题适合用“贪心法”求 最优解 那么，何谓贪心选择性质、最优子结构性质 ？ 1.贪心选择性质 所求问题的整体最优解可以通过一系列局部最优解的选择，即 “贪心选择”来得到。 2.最优子结构性质 当一个问题的最优解包含其所有子问