第4节贪心算法(第1讲).pptVIP

算法设计与分析 第4章 贪心法 贪心算法概述 活动安排问题 背包问题 磁带存储 启发式算法 贪心法的理论基础 常见贪心算法问题 什么是贪心法？ 贪心法，顾名思义，是一种贪婪的算法，而且是一种每一步都贪婪的算法。 只顾眼前利益，每次都选最好的。 贪心法的应用非常的广，因为其时间复杂度通常是线性的，而且非常易于程序的实现。由于贪心法的高效性以及其所求得的答案比较接近最优结果，贪心法也可以用作辅助算法或者直接解决一些要求结果不特别精确的问题。 贪心法的基本思想 贪心法的局限性 贪心算法从局部的最优出发，简单而快捷。对于一个问题的最优解只能用穷举法得到时，用贪心法是寻找问题次优解的较好算法。但要注意贪心法所存在的问题有三方面： （1）不能保证求得的最后解是最佳的； （2）不能用来求最大或最小解问题； （3）只能求满足某些约束条件的可行解的范围。 贪心法特点 贪心法（greedy approach）是一种极为直接的算法设计技术，可应用于多种问题的求解。 因此，贪心法(Greedy algorithm)是一种在每一步选择中都采取在当前状态下最好或最优的选择，从而希望导致结果是最好或最优的算法。 贪心法的基本要素 一般说来，适合应用贪心法求解的问题大都具有下面两个特性：最优度量标准和最优子结构。 1. 最优度量标准（贪心选择性质） 所谓贪心法的最优度量标准，是指可以根据该量度标准,实行多步地决策进行求解，虽然在该量度意义下所做的这些选择都是局部最优的，但最终得到的解却不一定是全局最优的。 贪心法的基本要素 2. 最优子结构 最优子结构的意思是指局部最优解能够决定全局最优解。简单地说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解。 4.1 活动安排问题 4.1 活动安排问题 设待安排的11个活动起止时间按结束时间的非减序排列 4.1 活动安排问题 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。 4.1 活动安排问题 int greedySelector(int [] s, int [] f, boolean a[]) { int n=s.length-1; a[1]=true; int j=1; int count=1; for (int i=2;i=n;i++) { if (s[i]=f[j]) { a[i]=true; j=i; count++; } else a[i]=false; } return count; } 4.1 活动安排问题 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。 4.1 活动安排问题 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动是当前正在检查相容性的活动。 4.1 活动安排问题 若被检查的活动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。 贪心算法并不总能求得问题的整体最优解。但对于活动安排问题，贪心算法greedySelector却总能求得的整体最优解，即它最终所确定的相容活动集合A的规模最大。这个结论可以用数学归纳法证明。 补充：背包问题 日常生活中，背包问题无处不在。背包问题是一个很有实际意义的问题。 背包问题可以有多种求解策略。 补充：背包问题 考虑下列情况的背包问题 n=3,M=20,(p1,p2,p3)=(25,24,15),(w1,w2,w3)=(18,15,10) 其中的4个可行解是： 背包问题的数据选择策略(1) 用贪心策略求解背包问题时，首先要选出最优的度量标准。可以