第5讲贪心算法对于0-1背包问题.pptVIP

背包问题数学模型： 背包问题只有一种限制,即背包所能承受的重量(即重量不能超过M kg），但是实际上背包除受重量的限制外,还有体积的限制,这就是不但要求旅行者的背包的重量c不能超过M kg,还要求背包的体积v不能超过V m3,等多种类似的约束，我们把这样的问题称为“多维背包问题”。 第5讲 贪心算法 算法分析： 算法knapsack的主要计算时间在于将各种物品依其单位重量的价值从大到小排序。因此，算法的计算时间上界为O(nlogn)。 当然，为了证明算法的正确性，还必须证明背包问题具有贪心选择性质。 学有余力的同学试证明上述性质。 扩 展 多维背包问题 m 个约束,其中每一个约束条件被称为一个背包约束, 因此多维背包问题也被称为m-维背包问题. 多维背包问题(MKP)是个著名的NP-难问题。 多维背包问题 数学模型 第5讲 贪心算法 第5讲 贪心算法 小 结： 利用贪心策略解题，需要解决两个问题： 首先，确定问题是否能用贪心策略求解;一般来说,适用于贪心策略求解的问题具有以下特点： ①?可通过局部的贪心选择来达到问题的全局最优解.运用贪心策略解题,一般来说需要一步步的进行多次的贪心选择.在经过一次贪心选择之后,原问题将变成一个相似的,但规模更小的问题,而后的每一步都是当前看似最佳的选择,且每一个选择都仅做一次. ②原问题的最优解包含子问题的最优解,即问题具有最优子结构的性质.在背包问题中，第一次选择单位质量最大的货物,它是第一个子问题的最优解,第二次选择剩下的货物中单位重量价值最大的货物,同样是第二个子问题的最优解,依次类推。 其次,如何选择一个贪心策略标准？正确的贪心策略可以得到问题的最优解,在确定采用贪心算法解决问题时,不能随意的判断贪心策略标准是否正确,尤其不要被表面上看似正确的贪心策略标准所迷惑.在得出贪心策略标准之后应给予严格的数学证明（通常比较困难）。 第5讲 贪心算法 课堂讨论提纲： 结合典型的问题实例，讨论迭代算法、蛮力算法、分治算法、贪婪算法解决问题的基本思想框架。 递归技术（方法）与上述算法之间的关系和区别，为什么没有单独的“递归算法策略”？ 分析一个算法的时间复杂度的关键思想和步骤。 用“计算思维”解决问题的基本步骤。 第5讲 贪心算法 本节作业： 预习：p166- p185 ,动态规划 第5讲 贪心算法 That’s all for today See you next time Good bye! 第5讲 贪心算法 可绝对贪婪问题 例12.数列级差问题。 在黑板上写了n个正整数排成的一个数列，进行如下操作：每一次擦去其中的两个数a和b，然后在数列中加入一个数a×b+1，如此下去直至黑板上剩下一个数为止，在所有按这种操作方式最后得到的数中，最大的记为max，最小的记为为min，则该数列的极差定义为M=max-min。 第5讲 贪心算法 问题理解：用9以内实例理解（经典）当n=3时，我们来讨论3，5，7为例 3 5 7 16 7 113 去掉16，7 添加 113 去掉3，5 添加 16 去掉3，5 添加 16 去掉3，5 添加 16 3 5 7 22 5 111 去掉22，5 添加 111 去掉3，7 添加 22 3 5 7 36 3 109 去掉36，3 添加 109 去掉5，7 添加 36 从上面不难发现：先运算小数据得到的是最大值 先运算大数据得到的是最小值 第5讲 贪心算法 问题分析：下面用3个数为例来说明贪心策略的合理性，不防设：a＜b＜ c,表示为： b=a+k1，c=a+k1+k2 则计算结果为： (a×b+1)×c+1 =a3+(2k1+k2) a2+(k12+k1k2)a+k1+k2+1 (a×b+1)×c+1 =a3+(2k1+k2)a2+(k12+k1k2)a+k1+1 (a×b+1)×c+1 =a3+(2k1+k2)a2+(k12+k1k2)a+1 当n大于3时，我们可经过n-3次变换后得到3个数。显然此问题适合贪婪策略。求最大数的时候操作较小数；求最小数的时候操作较大数。 第5讲 贪心算法 算法设计思想： 由上述我们可以得到启发：从现有的数据中，选取最大和最小的两个数，计算后的结果继续参加运算，直到最后剩余一个为止。 求max和min的过程必须独立，否则将不能找到最大和 最小数。 第5讲 贪心算法 step1 输入数据 step2 寻找最大数 max： 通过排序法找到当前数列中较小的两个数s1，s2； 删除s1，s2； 把s1×s2