贪心算法与 ( 1 ) .ppt

算法分析与设计 任课教师：向金海 联系电话87282492（O） Email: jimmy_xiang@ jimmy_xiang@163.com 贪心算法 7 主要内容: 6.1 一般方法 6.2 背包问题 引言 找零钱问题 贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑，它所作出的选择只是在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也是整体最优的。虽然贪心算法不能对所有问题都得到整体最优解，但对许多问题它能产生整体最优解。如单源最短路经问题，最小生成树问题等。在一些情况下，即使贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似。 最优化问题（optimization problems）是指这样一类问题，问题给定某些约束条件（constraint），满足这些约束条件的问题解称为可行解（feasible solution）。通常满足约束条件的解不是惟一的。为了衡量可行解的好坏，问题还给出了某个数值函数，称为目标函数（objective function），使目标函数取最大（或最小）值的可行解称为最优解（optimal solution）。 贪心法是通过分步决策（stepwise decision）的方法来求解问题的。 贪心法每一步上用作决策依据的选择准则被称为最优量度标准（optimization criterion）。 在根据最优量度标准选择分量的过程中，还需要使用一个可行解判定函数。 贪心策略并不是从整体上加以考虑的，它所做出的选择只是当前看似最佳选择，必须进一步证明该算法最终导致问题的一个整体最优解。 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算法的基本概念 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 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 Greedy算法正确性证明方法 【程序6－1】贪心法 SolutionType Greedy(SType a[],int n) { SolutionType solution=?; for(int i=0;in;i++){ SType x=Select(a); if (Feasiable(solution,x)) solution=Union(solution,x); } return solution; } 背包问题 问题描述 已知一个载重为M的背包和n件物品，第i件物品的重量为 wi，如果将第i件物品全部装入背包，将有收益pi，这里，wi0，pi0，0?in。所谓背包问题是指求一种最佳装载方案，使得收益最大。所以，背包问题是现实世界一个常见的最优化问题。 两类背包问题:如果每一件物品不能分割，只能作为整体或者装入背包，或者不装入，称为 0/1背包问题；如果物品是可以分割的，也就是允许将其中的一部分装入背包为一般背包问题或简称背包问题。 贪心法求解 背包问题 背包问题的解可以表示成一个n-元组：X=(x0,x1,?,xn－1)，0?xi?1，0?in，每个xi是第i件物品装入背包中的部分。 判定可行解的约束条件是： 背包问题的最优解必须使下列目标函数取最大值： 例1 设有载重能力M=20的背包，3件物品的重量为:（w0,w1,w2）=(18,15,10)，物品装入背包的收益为：（p0,p1,p2）