第4章-贪心算法v1.0讲解.pptx

第4章 贪心算法 算法设计与分析 学习要点 2 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 理解贪心算法与动态规划算法的差异 理解贪心算法的一般理论 通过应用范例学习贪心设计策略。 算法设计与分析 （1）活动安排问题； （2）最优装载问题； （3）哈夫曼编码； （4）单源最短路径； （5）最小生成树； （6）多机调度问题。 贪心算法的特点是所作的选择都是目前最佳的，它期望通过所作的局部最优选择产生出一个全局最优解。 例如，找零钱问题 硬币系统：2角5分、1角、5分、1分 要找给顾客6角3分钱，怎么做？ 0.63 = 2个0.25 + 1个0.1 + 3个0.01 约束：0.63 目标：所拿出的硬币个数是最少的 策略：每次选出面值不超过钱数的最大硬币 贪心算法的基本思想 在当前（局部）看来最好的选择 再如，当硬币系统为4分、3分、1分时，要找给顾客6分钱，要求所拿出的硬币个数是最少的。 采用贪心算法的结果：6 = 1个4分 + 2个1分 而采用动态规划算法的结果： 2个3分 贪心算法对于许多问题都能产生整体最优解，在一些情况下，即使贪心算法不能产生最优解，但其最终结果却是最优解的很好的近似解(approximate solution)。 5 顾名思义，贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑，它所作出的选择只是在某种意义上的局部最优选择。当然，希望贪心算法得到的最终结果也是整体最优的。虽然贪心算法不能对所有问题都得到整体最优解，但对许多问题它能产生整体最优解。如单源最短路经问题，最小生成树问题等。在一些情况下，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。 算法设计与分析 4.1 活动安排问题 6 活动安排问题就是要在所给的活动集合中选出最大的相容活动子集合，是可以用贪心算法有效求解的很好例子。该问题要求高效地安排一系列争用某一公共资源的活动。贪心算法提供了一个简单、漂亮的方法使得尽可能多的活动能兼容地使用公共资源。 算法设计与分析 4.1 活动安排问题的定义 7 设有n个活动的集合E={1,2,…,n}，其中每个活动都要求使用同一资源，如演讲会场等，而在同一时间内只有一个活动能使用这一资源。每个活动i都有一个要求使用该资源的起始时间si和一个结束时间fi,且si fi 。如果选择了活动i，则它在半开时间区间[si, fi)内占用资源。若区间[si, fi)与区间[sj, fj)不相交，则称活动i与活动j是相容的。也就是说，当si≥fj或sj≥fi时，活动i与活动j相容。 算法设计与分析 4.1 活动安排问题的解法 8 templateclass Type void GreedySelector(int n, Type s[], Type f[], bool A[]) { A[1]=true; int j=1; for (int i=2;i=n;i++) { if (s[i]=f[j]) { A[i]=true; j=i; } else A[i]=false; } } 下面给出解活动安排问题的贪心算法GreedySelector : 各活动的起始时间和结束时间存储于数组s和f中且按结束时间的非减序排列 算法设计与分析 若活动i的开始时间Si小于最近选择的活动j的结束时间fi，则不选择活动i，否则选择活动i加入集合A中 4.1 活动安排问题 9 由于输入的活动以其完成时间的非减序排列，所以算法greedySelector每次总是选择具有最早完成时间的相容活动加入集合A中。直观上，按这种方法选择相容活动为未安排活动留下尽可能多的时间。也就是说，该算法的贪心选择的意义是使剩余的可安排时间段极大化，以便安排尽可能多的相容活动。 算法greedySelector的效率极高。当输入的活动已按结束时间的非减序排列，算法只需O(n)的时间安排n个活动，使最多的活动能相容地使用公共资源。如果所给出的活动未按非减序排列，可以用O(nlogn)的时间重排。 算法设计与分析 4.1 活动安排问题 10 i 1 2 3 4 5 6 7 8 9 10 11 S[i] 1 3 0 5 3 5 6 8 8 2 12 f[i] 4 5 6 7 8 9 10 11 12 13 14 例：设待安排的11个活动的开始时间和结束时间按结束时间的非减序排列如下： 算法设计与分析 4.1 活动安排问题 11 算法greedySelector 的计算过程如左图所示。图中每行相应于算法的一次迭代。阴影长条表示的活动是已选入集合A的活动，而空白长条表示的活