05-贪心算法分解.pptVIP

* * Greedy Approach贪心算法 * * 贪心算法的特点 贪心算法总是作出在当前来看是最好的选择。 就是说，贪心算法并不从整体最优上来考虑，所作出的选择只是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是最优的。 可是贪心算法并不能保证最终结果是最优的。 不过，在许多的情况下，应用贪心算法能够得到整体最优解；并且在一些情况下，即使得到的不是最优解，也是一个很好的近似解。 * * 贪心算法的一般框架 GreedyAlgorithm(parameters){ 初始化； 重复执行以下的操作： 选择当前可以选择的(相容)最优解； 将所选择的当前解加入到问题的解中； 直至满足问题求解的结束条件。 } * * 最小生成树 设G = (V, E)是一个无向连通带权图，即一个网络。E的每条边(v, w)的权为c[v][w]。 如果G的一个子图G’是一棵包含G的所有顶点的树，则称G’为G的生成树。 生成树的各边的权的总和称为该生成树的耗费。 在G的所有生成树中，耗费最小的生成树称为G的最小(优)生成树。 * * 树的基本性质 连通无回路的图G称为树。 树是点比边多一的连通图，G连通且q=p–1 。 树是点比边多一的无回路图：G无回路且q=p–1。 树若添条边就有回路：G无回路，但对任意的u, v∈V(G)，若uv?E(G)，则G+uv中恰有一条回路。 树若减条边就不连通：G连通，但对?e∈E(G), G–e不连通。 n个顶点的连通图的生成树含有n – 1条边。 * * 最小生成树的贪心选择性质 令G中权最小的边为e1。首先必定有图G的一棵最小生成树包含了e1。 若G的任何最小生成树都不包含e1。设T为G的最小生成树，e1?T。于是T+e1是一个有回路的图且该回路中包含e1。该回路中必有条不是e1的边ei。令T’={T+e1}–ei。T’也是G的生成树。又c(T’) = c(T) + c(e1) – c(ei)，c(e1) ≤ c(ei)，从而 c(T’)≤c(T)，T’是G的最小生成树且含有边e1。矛盾。故必定有图G的最小生成树包含了e1。 选定第一条边e1以后，该如何选择第二条边呢？ 依据各条边的权重，依次选出权重较轻的n – 1条边。这n – 1条边必定包括了G的n个顶点。这样就得到了G的一棵最小生成树。 这样做是否可以呢？ 不行！因为不能保证这n – 1条边构成树？ 要保证这n – 1条边构成树，必须使这n – 1条边是连通的或者是无回路的。 Prim算法的做法：在保证连通的前提下依次选出权重较小的n – 1条边（在实现中体现为n个顶点的选择）。 Kruskal算法的做法：在保证无回路的前提下依次选择权重较小的n – 1条边。 * * Prim算法 基本思想：在保证连通的前提下依次选出权重较小的n – 1条边。 G=(V, E)为无向连通带权图，令V={1, 2, …, n}。 设置一个集合S ，初始化S = {1}，T = Φ。 贪心策略：如果V–S中的顶点j与S中的某个点i连接且(i, j)是E中的权重最小的边，于是就选择j(将j加入S)，并将(i, j) 加入T中 。 重复执行贪心策略，直至V–S为空。 * * Prim算法中的数据结构 图用连接矩阵C[i][j]给出，即C[i][j]为结点i到结点j的权重。 为了有效地找出V–S中满足与S中的某个点i连接且(i, j) 权重最小的顶点j，对其中的每个顶点j设立两个数组closest[j]和lowcost[j]： closest[j]是s中与j最近的顶点，(closest[j], j)即为选中的边，而lowcost[j]是相应边的权重。 * * Prim算法的实现 Prim(int n, Type **c) { 初始化：结点1放入S；并初始化lowcost[]和 closest[]； 执行以下操作n–1次： 依据lowcost[]找出与S最近的点j并放入S； 调整lowcost[]和closest[]；} int j = 1; s[j] = true; for (int i = 2; i = n; i++) { closest[i] = 1; lowcost[i]=c[1][i]; s[i]=false;} for (int i = 1; i n; i++) {min= inf; for (int k = 2; k = n; k++) { if (lowcost[k]min!s[k]) {min = lowcost[k]; j = k} s[j] = true;