五章GreedyAlgorithm.pptVIP

5.1 Elements of Greedy Algorithms 5.2 An activity-selection problem 5.3 Huffman codes 5.4 Minimal spanning tree problem 5.1 Elements of Greedy Algorithms Greedy算法的基本概念 Greedy选择性 优化子结构 与动态规划方法的比较 Greedy算法正确性证明方法 Greedy算法的基本思想 求解最优化问题的算法包含一系列步骤 每一步都有一组选择 作出在当前看来最好的选择 希望通过作出局部优化选择达到全局优化选择 Greedy算法不一定总产生优化解 Greedy算法是否产生优化解，需严格证明 Greedy算法产生优化解的条件 Greedy-choice-property Optimal substructure Greedy选择性 Greedy选择性 若一个优化问题的全局优化解可以通过 局部优化选择得到，则该问题称为具有 Greedy选择性. 一个问题是否具有Greedy选择性需证明 ? 若一个优化问题的优化解包含它的 子问题的优化解，则称其具有优化 子结构 与动态规划方法的比较 动态规划方法可用的条件 优化子结构 子问题重叠性 子问题空间小 Greedy方法可用的条件 优化子结构 Greedy选择性 可用Greedy方法时，动态规划方法可能不适用 可用动态规划方法时，Greedy方法可能不适用 证明算法所求解的问题具有优化子结构 证明算法所求解的问题具有Greedy选择性 证明算法确实按照Greedy选择性进行局部优化选择 问题的定义 问题定义 输入：S={1, 2, …, n}，F={ [si，fi] }，n?i?1 输出：S的最大相容集合 贪心思想 为了选择最多的相容活动，每次选fi最小的活动，使我们能够选更多的活动 算法 （设f1?f2?….?fn已排序） Greedy-Activity-Selector(S, F) n?lenyth(S); A?{1} j?1 For i?2 To n Do If si ? fj Then A?A∪{i}；j?i； Return A 需要证明 活动选择问题具有Greedy选择性 活动选择问题具有优化子结构 算法按照Greedy选择性计算解 定理. Greedy-Activity-Selector算法能够产 生最优解. 证. Greedy-Activity-Selector算法按照引 理3的Greedy选择性进行局部优化选 择. 二进制字符编码 每个字符用一个二进制0、1串来表示. 固定长编码 每个字符都用相同长的0、1串表示. 可变长编码 经常出现的字符用短码，不经常出现的用长码 前缀编码 无任何字符的编码是另一个字符编码的前缀 编码树T的代价 设C是字母表,?c?C f(c)是c在文件中出现的频率 dT(c)是叶子c在树T中的深度，即c的编码长度 T的代价是编码一个文件的所有字符的代码位数: B(T)= 优化编码树问题 输入: 字母表 C = {c1, c2, ...., cn }， 频率表 F = {f(c1), f(c2), ..., f(cn)} 输出: 具有最小B(T)的C前缀编码树 优化解的结构分析 我们需要证明 优化前缀树问题具有优化子结构 优化前缀树问题具有Greedy选择性 优化子结构 引理1.设T是字母表C的优化前缀树，?c?C，f(c) 是c在文件中出现的频率.设x、y是T中任意 两个相邻叶结点，z是它们的父结点，则z作 为频率是f(z)=f(x)+f(y)的字符，T’=T-{x,y}是 字母表C’=C-{x,y}∪{z}的优化前缀编码树. 证. 往证B(T)=B(T’)+f(x)+f(y). ?v?C-{x,y}, dT(v)=dT’(v), f(v)dT(v)=f(v)dT’(v). 由于 dT(x)=dT(y)=dT’(z)+1, f(x)dT(x)+f(y)dT(y) =(f(x)+f(y))(dT’(z)+1) =(f(x)+f(y))dT’(z)+(f(x)+f(y)) 由于 f(x)+f(y)=f(z), f(x)dT(x)+f(y)dT(y)=f(