第5章算法基础.ppt

贪心法 （Greedy Algorithm） 贪心算法的基本思想是从小的方案推广到大的解决方法。它分阶段工作，在每一个阶段选择最好的方案，而不考虑其后的结果如何。 贪心法主要用于求解最优问题，但它已经发展成为一种通用的算法设计技术：核心是： 可行性——每一步选择必须满足问题的约束； 局部最优——它是当前可选择的方案中最优的； 不可取消性——选择一旦做出，在算法的其后步骤中不能被取消。 贪心法不能确定得到的最后解是最优的，也不能用于求解最大或最小问题。在算法的效率上，贪心法快速，程序实现需要的内存开销也较小。但遗憾的是，它们往往是不正确的。然而一旦被证明是正确的，其执行效率和速度有很大的优势。 30 ? 背包问题（分数背包问题） 假设有一个体积为M的背包以及n种物品，价值是 pi的第i 种物品的体积是 wi 。假设每种物品都可以取其一部分装入背包， xi 是取第i 种物品装进背包的百分比, 那么装入背包的总价值是 pi xi 。 所谓一个最优装包方法，就是要找到一组 xi 使得在约束条件 下，背包中物品总价值 达到最大。 Q: 每步该做些什么? A: 把某种物品的一部分放进包里. Q: 以什么标准来确定“贪心”? ? 最大价值 ? 最小体积 ? 最大的价值密度pi / wi 例如 : n = 3, M = 20, (p1, p2, p3) = (25, 24, 15) (w1, w2, w3)= (18, 15, 10) 答案是...? ( 0, 1, 1/2 ) P = 31.5 * 分治法 （Divide and Conquer ） 基本思想就是，将一个较大规模的问题分解为若干个较小规模的子问题，找出子问题的解，然后把各个子问题的解合并成整个问题的解。 分治法的分（Divide）是指划分较大问题为若干个较小问题，递归求解子问题；分治法的治（Conquer）是指从小问题的解构建大问题的解。 L型三方块覆盖方阵问题 金块问题 求一个整数序列的第k个大数问题 分治法的实现很可能可以采用递归的形式 32 金块问题: （挑出最重和最轻的两个金块） n=8时，普通方法需要的比较次数：(n-1)+(n-2) = 13。 分治法的比较次数： 8 4 4 2 2 2 2 L H L H L H L H L H L H L H 比较次数 4 4 2 10 n=16时，普通方法需要的比较次数： (n-1)+(n-2) = 29。 分治法的比较次数：10+10+2 = 22 C(n) = 2 C(n/2) + 2 (当n2) = 3n/2 -2 (当n为2的幂) 33 S N个元素 S1 N1个元素 S2 N2个元素 元素 e 元素 e ? 基于问题分解 ?求解集合S的第K大整数问题的一种递归思路 e N0个 基准元素e 元素 = e 当kN0+N1时，转化成：求S2的第k - (N0+N1)个大问题 当k=N1时，转化成：求S1的第k 个大问题 当N1k=N0+N1时，S的第k个大整数就是e * 动态规划法 （Dynamic Programming） 动态规划被描述为：如果一个较大问题可以被分解为若干个子问题，且子问题具有重叠，可以将每个子问题的解存放到一个表中，这样就可以通过查表解决问题。 核心思想是以空间换时间！ 第n个Fibonacci数的计算 0-1背包问题 钢条切割问题 35 第n个Fibonacci数的计算 F(N) = F(N – 1) + F(N – 2) int Fib( int N ) { if ( N = 1 ) return 1; else return Fib( N - 1 ) + Fib( N - 2 ); } F6 F2 F1 F0 F3 F1 F2 F1 F0 F2 F1 F0 F3 F1 F2 F1 F0 F3 F1 F2 F1 F0 F4 F4 F5 麻烦之处: 大量重复子问题的计算，计算量呈爆发式增长！ 解决方法: 从小算到大，记录最近两个数据，就可以计算后一个数据。 36 钢条切割问题 长度: 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |10 价格: 1 | 5 | 8 | 9 |10|17|17