算法(五)贪心算法.pptVIP

贪心算法;目录;什么是贪心算法;喷水装置;解题思路;贪心算法的证明;小结;贪心算法抽象化控制流程;[最优化描述] 找一个n元向量(x1,…xn) 0? xi ?1 使得 且 .其中 C, Wi, vi0 , 1 ? i ? n;贪心方法的数据选择策略;背包问题实例;背包问题贪心算法;算法分析: ;0-1背包问题与背包问题;对于0-1背包问题，贪心选择之所以不能得到最优解是因为在这种情况下，它无法保证最终能将背包装满，部分闲置的背包空间使每公斤背包空间的价值降低了。 事实上，在考虑0-1背包问题时，应比较选择该物品和不选择该物品所导致的最终方案，然后再作出最好选择。由此就导出许多互相重叠的子问题。这正是该问题可用动态规划算法求解的另一重要特征。 实际上也是如此，动态规划算法的确可以有效地解0-1背包问题。;活动安排问题;解决活动安排问题的基本思路是在安排时应该将结束时间早的活动尽量往前安排，也就是说，使剩余的可安排时间段极大化，从而达到安排最多活动的目的。 据此，贪心准则应当是：在未安排的活动中挑选结束时间最早的活动安排。 在贪心算法中，将各项活动的开始时间和结束时间分别用两个数组s和f存储，并使得数组中元素的顺序按结束时间非减序排列：f1≤ f2≤…≤ fn。 ; 1 2 3 4 5 6 7 8 9 10 11;活动安排问题是可以用贪心算法有效求解的很好例子。;;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。 ;;例如：n=4，(p1,p2,p3,p4)={100,10,15,20}，(d1,d2,d3,d4)={2,1,2,1};馆燕苍络邵运滦了笋藏尖讼与塞冬珍仗轨瓷席应厌柿凄抨盲灰酚掷虾招且算法(五)贪心算法算法(五)贪心算法;例子 设n=7, (p1, p2,… , pn)=(35,30,25,20,15,10,5), (d1, d2,… ,dn)=(4,2,4,3,4,8,3), 算法GreedyJob的执行过程可描述如下： d1; d2, d1; d2, d1,d3; d2, d4, d1,d3; d2, d4, d1,d3, d6; 4 ; 2, 4 ; 2, 4, 4 ; 2, 3, 4, 4 ; 2, 3, 4, 4, 8； ;带限期作业安排的贪心算法;如何判断 “J ∪ {i} 中的作业是相容的”？ 如果每选入一个作业i的期限为t，J中至少有t个作业的期限不晚于t，则J ∪ {i}一定是不相容的。反之，若J 中期限不晚于t的作业少于t个，则作业i比可插入到作业集J中，即J ∪ {i}一定是相容的。 因而，J ∪ {i}的相容性判断最坏情况下需要|J|次比较。上述算法在最坏情况下的时间复杂度为O(n2)。;带期限作业安排问题贪心算法 ;为避免调度表调整，将算法GreedyJob稍做改进：在每次选择作业时，在调度表中尽量地向后分配时间片，这样好为后面的作业安排留下更多的空间: 1，[3,4]; 1,2,[3,4],[1,2]; 1,2,3,[3,4],[1,2],[2,3]; 1,2,3,4,[3,4],[1,2],[2,3],[0,1]; 1,2,3,4,6,[3,4], [1,2],[2,3],[0,1],[7,8]. 根据该思路构造的算法时间复杂度为O(n);证明：假设贪心算法所选择的作业的集合J不是最优解，则一定有相容的作业子集I，其产生更大的效益值。假定I是具有最大效益值的相容作业子集中使得I∩J最大者，往证I=J。 反证法：若不成立，则这两个作业集JI=I和之间没有包含关系。这是因为算法GreedyJob的特性和假定I产生的效益值比J的效益值更大。假设a是J\I中具有最大效益的作业，于是，J中比a具有更大效益的作业(如果有的话)都应该在I中。现在将作业a加入到I中，得J*={a}∪I.由I的极大性知，I*一定是不相容的.从而，对于I的任何一个调度表S，在fa时刻前的时间片都已经被I中的作业占用。假定S是I的这样一个调度表：在fa时刻之前最大限度地安排了I\J中的作业。如果S中fa时刻以前的作业仍然都是J中的，则I∩J中结束时刻不晚于fa的作业至少有fa个。但a?I∩J,这与J的相容性矛盾。因此，S中必有某个作业b∈I\J,其被安排在fa时刻之前的时间片上。在所有这样的作业b中选择结束时刻最晚的。由于a的选法以及b∈I\J，必然有pa≥pb。不然，按照算法，b将先于a