算法设计与分析实验四[精选].doc

实验四：贪心法 一、实验目的 1、掌握贪心算法的基本设计思想与原则 2、运用贪心法求解经典问题（验证性实验） 二、实验原理 1、优化问题 有n个输入，而它的解就由这n个输入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。可行解一般来说是不唯一的。那些使目标函数取极值(极大或极小)的可行解，称为最优解。 2、贪心法求优化问题 算法思想：在贪心算法中采用逐步构造最优解的方法。在每个阶段，都作出一个看上去最优的决策（在一定的标准下）。决策一旦作出，就不可再更改。作出贪心决策的依据称为贪心准则（greedy criterion）。 3、一般方法 1）根据题意，选取一种量度标准。 2）按这种量度标准对这n个输入排序 3）依次选择输入量加入部分解中。如果当前这个输入量的加入，不满足约束条件，则不把此输入加到这部分解中。 procedure GREEDY(A，n) /*贪心法一般控制流程*/ //A(1：n)包含n个输入// solutions←φ //将解向量solution初始化为空／ for i←1 to n do x←SELECT(A) if FEASIBLE(solution，x) then solutions←UNION(solution，x) endif repeat return(solution) end GREEDY 三、实验要求 1、用C++/C完成算法设计和程序设计并上机调试通过。 2、撰写实验报告，提供实验结果和数据。 3、分析算法，要求给出具体的算法分析结果，包括时间复杂度和空间复杂度，并简要给出算法设计小结和心得。 四、实验内容 1、哈夫曼编码 设需要编码的字符集为{d1, d2, …, dn}，它们出现的频率为{w1, w2, …, wn}，应用哈夫曼树构造最短的不等长编码方案。 设需要编码的字符集为{d1, d2, …, dn}，它们出现的频率为{w1, w2, …, wn}，以d1, d2, …, dn作为叶子结点，w1, w2, …, wn作为叶子结点的权值，构造一棵哈夫曼编码树，规定哈夫曼编码树的左分支代表0，右分支代表1，则从根结点到每个叶子结点所经过的路径组成的0和1的序列便为该叶子结点对应字符的编码即为哈夫曼编码。 考虑到哈夫曼树中共有2n-1个结点，并且进行n-1次合并操作，为了便于选取根结点权值最小的二叉树以及合并操作，设置一个数组huffTree[2n-1]保存哈夫曼树中各结点的信息，数组元素的结点结构如下图所示。 将数组元素的结点类型定义为： struct element { double weight; //字符出现的概率为实数 int lchild, rchild, parent; }; 建立哈夫曼树的算法如下： Select函数用来在数组huffTree中选取两个权值最小的根结点，请读者自行完成。 根据已建立的哈夫曼树，规定哈夫曼树的左分支代表0，右分支代表1，则哈夫曼编码即是从根结点到每个叶子结点所经过的路径组成的0和1的序列。算法如下： 2、背包问题 贪心算法： procedure KNAPSACK(P，W，M，X，n) //P(1：n)和W(1；n)分别含有按 P(i)/W(i)≥P(i+1)/W(i+1)排序的n件物品的效益值 和重量。M是背包的容量大小，而x(1：n)是解向量 real P(1：n)，W(1：n)，X(1：n)，M，cu； integer i，n； X←0 //将解向量初始化为零 cu←M //cu是背包剩余容量 for i←1 to n do if W(i)cu then exit endif X(i) ←1 cu←cu-W(i) repeat if i≤n then X(i) ←cu/ W(i) endif end GREEDY-KNAPSACK procedure prim(G,) status←“unseen” // T为空 status[1]←“tree node” // 将1放入T for each edge(1,w) do status[w]←“fringe” // 找到T的邻接点 dad[w]