贪心法(T与he Greedy Method) .ppt

贪心法（The Greedy Method） 宫秀军 天津大学计算机科学与技术学院 gongxj@ /~gongxj/course/algorithm 提纲 最优化问题(Optimization problem) 贪心算法基本原理(The principle of greedy method) 贪心算法应用 货箱装船问题（Container Loading) 背包问题（Knapsack Problem） 拓扑排序问题(Topological Sorting ) 最短路径问题(Shortest Path) 最小代价生成树(Minimum Spanning Tree) 本章小结 13.1优化问题 一个优化问题可以描述如下: 问题的解可表示为一复杂的结构，例如元组形式 约束条件(结构性的约束条件 使约束条件为true的元组称为可行解（feasible solution） 目标函数 优化解即指使目标函数极大化(或极小化)的可行解，对应的目标函数值称为优化值。 很多优化问题是NP－难度问题，迄今找不到它们的多项式算法。所以计算上可行的方法就是求其近似解。贪心法是求近似算法的主要途径之一。 例13.1[Thirsty Baby] 有一个聪明的婴儿，她可能得到的饮料包括一桶水、一桶牛奶、多罐不同种类的果汁、许多不同的装在瓶子或罐子中的苏打水。假定婴儿可得到n 种不同的饮料。根据以前关于这n 种饮料的不同体验，婴儿知道其中那些饮料更合自己的胃口。因此，婴儿为每一种饮料赋予一个满意度值si：饮用1盎司第i 种饮料，满意度si。 设第i种饮料有ai盎司，婴儿共需喝t盎司饮料 例13.1[Thirsty Baby] 设xi 为第i种饮料的饮用量，假定满意程度是可加的，则最满意的选择是极大化 该优化问题可表示如下 约束条件 目标函数 例13.2[loading Problem] 一艘船准备用来装载货物,所有货物都放在集装箱中。设第i 个集装箱的重量为wi（1≤i≤n），船的最大载重量为c，试设计一装载方法使得装入的集装箱数目最多。 例13.2 [Loading Problem] 用n维布尔向量代表一种装箱方案 约束条件 目标函数 极大化目标函数 例13.3 [最小成本通信网络] 城市之间的通信网络应是以这些城市为顶点的连通图,图的每条边代表一条通信线路.给每条边赋予一个权值,等于建设这条通信线路所要花费的成本,最小成本通信网络问题就是找这样一个连通图,其总成本最小. 设所有的权值都非负,则最小成本通信网络问题的可行解可限制为连接这些城市的生成树,而最优解是其中具有最小成本的生成树. 例13.3 [最小成本通讯网络] n-1 条边的元组 约束条件：这些边构成生成树 目标函数：边权之和 原则上所有上述问题需在很大的范围内搜索 优化解；但这常常导致指数复杂度的算法； 是计算上不可接受的。贪心法退而求其次求 所谓的“次优”解。 13.2 贪心法 贪心法指每步(stage)按所谓的“贪心标准(策略)”选择(元组的)一个分量，逐步构造出问题解的方法。 贪心法的主要特点是： 分阶段完成：按一定的步骤，每步决定一个分量（自顶向下） 不回溯：选定一个分量后,不重试其它可能 贪心标准：指每次选择一个分量时使用的“优化”策略。所选策略可能导致优化解，但更多情形是得到近似解，特别是对NP－难度问题。不同的人可能有不同的“优化”策略。 常常采纳使目标函数有最大增量的策略为贪心策略。 基本要素 贪心选择性质:所求问题的整体最优解可以通过一系列局部最优选择(贪心选择)来达到 最优子结构性质：问题的最优解包含其子问题的最优解 例13.4[找零钱] 一个小孩买了价值少于1美元的糖，并将1美元的钱放入取款机。取款机要用数目最少的硬币将零钱找给小孩。假设取款机内有任意多的面值为25美分、10美分、5美分、及1美分的硬币。 贪心策略为：每次给出不超过应找钱数的面值最大的硬币。 贪心策略得到优化解: 20-25美分之间：选2个10美分最好. 25-30美分之间选一个25最好; 30美分：一个25加一个5美分等等. 硬币面值之间有倍数关系;否则没解:例如,面值14,12,5和1; 则17＝12＋5,用2枚硬币,而贪心法为14加3个1,共4枚硬币. 例13.5 [机器调度] 现有n 个任务和足够多台处理这些任务的机器。 每个任务的开始时间为si，完成时间为fi（ sifi ） [si,fi] 为处理任务i 的时间区间。 两个任务i，j 重叠是指两个任务的时间区间有重叠。例如：区间[1,4]与区间[2,5]重叠，而与区间[4,7]不重叠。 可行的任务分