PART02_算法设计策略 - 06 贪心法.pdf

Ø 6.0 基本思想与算法设计 Ø 6.7 最佳合并模式 6 Ø 6.1 正确性证明 （数学归纳法 交换论证法） Ø 6.8 最小代价生成树 （Prim Kruskal ） Ø 6.2 得到最优解的输入的特征 Ø 6.9 单源最短路径 （Dijkstra ） Ø 6.3 得不到最优解怎么办？- 误差估计 Ø 6.10 磁带最优存储 Ø 6.4 背包问题 Ø 6.11 贪心法的基本要素 Ø 6.5 带时限的作业排序 Ø 6.6 最优二元前缀问题 （数据压缩的Huffman算法） 最优化问题 6.0 optimization problems 基 q一类问题 本 § 约束条件 （constraint） 思 o 问题给定某些约束条件。 想 § 可行解 （feasible solution） 与 o满足这些约束条件的问题解称为可行解。 算 § 目标函数 （objective function） 法 o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。 设 § 最优解 （optimal solution） 计 o使目标函数取最大 （或最小）值的可行解称为最优解。 2 6.1 q分步决策 （stepwise decision） 一 § 贪心法通过分步决策的方法来求解问题的。 般 q最优量度标准 （optimization criterion） 方 § 贪心法每一步上用作 「决策依据」的选择准则 法 q可行解判定函数 § 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 q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 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。 3 6.0 q 实例 基 § 最小生成树的Prim和Kruskal算法 § 活动选择问题 本 q 适用问题-最优化问题 思 § NP难的组合优化问题 （近似算法中使用贪心策略） § 满足优化原则 想 q 设计方法 § 多步判断 （不考虑子问题的计算结果） 与 § 解为判断序列 算 q 选择依据 § 是否满足约束条件 法 § 局部优化测度 设 q 使用贪心法要解决的问题： § 是否一定可以得到最优解？ o 次优解 ：不一定能得到最优解，解与最优解的误差估计 计 o 需要证明所选贪心策略的正确性 4 6.1 q 【程序】贪心法 一 SolutionType Greedy(SType a[],int n) 般 { 方 SolutionType solution=Æ; for(int i=0;in;i++) 法 { SType x = Select(a); if (Feasiable(solution,x)) solution=Union(solution,x); } return solution; }