算法设计40.ppt

计算机算法 设计与分析 第四章 贪心算法 * 主要内容 贪心算法的基本概念与要素 几个实例： 活动安排、最优装载、Huffman编码、单源最短路径、最小生成树、多机调度问题、带有完成期限的作业调度 重点与难点： 算法本身较简单，很少用递归； 关键是如何选择贪心策略； 如何证明你选择的贪心策略能获得最优解。 例 * 贪心算法概述 贪心算法也称为优先策略 顾名思义是“择优录取”，在某些方面的应用是非常成功的，也是我们设计算法时经常使用的一种策略。国外叫做Greedy method，意即见到好的就抓住不放。它并不一定对所有问题都成功，但是对某些问题特别简单、有效。 在贪婪算法中采用逐步构造最优解的方法。在每个阶段，都作出一个看上去最优的决策（在一定的标准下）。决策一旦作出，就不可再更改。作出贪婪决策的依据称为贪婪准则( criterion)。 * 贪心算法常常用于求解某些问题得最优解。 这类问题一般有n个输入，而其解由这n个输入的某个子集组成，要求该子集满足预先给定的约束条件。这一子集称为该问题的一个可行解。其中使目标函数取得极值的可行解称为最优解。 N个输入 约束条件 可行解 准则 最优解 贪心法的关键是找到一个衡量优劣的标准，然后把n个输入按这种标准排序并尝试局部解。 * 如果这个输入和当前的部分解加起来不能产生一个可行解，则不把此输入加入到部分解当中。 * 一般地，选取最优度量标准并非易事，因此贪心法得到的解往往不是最优解，而是次优解。而一旦找到最优度量标准，则贪心法特别有效。 贪心法逐步给出解的各部分，在每一步“贪婪地”选择最好的部分解，而不顾及这样选择对整体的影响，因此未必得到最优解。 贪心法应用的成功示例有：单源最短路径问题、最小生成树问题以及作业调度等。即使得不到最优解，往往能得到较好的近似解。 * 例1[找零钱]： 一个小孩买了价值少于1美元的糖，并将1美元的钱交给售货员。售货员希望用数目最少的硬币找给小孩。假设提供了数目不限的面值为2 5、1 0、5、1美分的硬币。售货员分步骤组成要找的零钱数，每次加入一个硬币。选择硬币时所采用的贪心准则如下：每一次选择应使零钱数尽量增大。为保证解法的可行性（即：所给的零钱等于要找的零钱数），所选择的硬币不应使零钱总数超过最终所需的数目。 * 假设需要找给小孩6 7美分，首先入选的是两枚2 5美分的硬币，第三枚入选的不能是2 5美分的硬币，否则硬币的选择将不可行（零钱总数超过6 7美分），第三枚应选择1 0美分的硬币，然后是5美分的，最后加入两个1美分的硬币。 贪婪算法有种直觉的倾向，在找零钱时，直觉告诉我们应使找出的硬币数目最少（至少是接近最少的数目）。可以证明采用上述贪婪算法找零钱时所用的硬币数目的确最少。 * 例2：找零钱问题与硬币面值的设定有关。 比如：要找给顾客3角7分钱， 如果硬币面值为1角、5分、2分、1分， 那么按照贪心算法： 1角：3枚； 5分：1枚；2分：1枚 合计：5枚 能得到最优解。 如果硬币面值为11分、7分、5分、1分， 那么按照贪心算法： 11分： 3枚； 1分：4枚 合计：7枚 但最优解应该是5枚，贪心法不成功。 * 背包问题 假设：n=3, c=20, (w1,w2,w3)=(18, 15, 10) (v1,v2,v3)=(25, 24, 15) 四个可行解： 重量 价值 （1/2， 1/3，1/4） 16.5 24.25 （1，2/15，0） 20 28.2 （0，2/3，1） 20 31 （0，1，1/2） 20 31.5 选取度量标准是用贪心法求解问题的关键。 * 用贪心算法求解背包问题的步骤： 1）计算每种物品的单价vi/wi 2）按物品的单价，从大到小排序 3）单价高的物品优先装包，直至装满。 （最后一种物品可能装入一部分） 时间复杂性 排序：O(n log n) 其它：O(n) 为什么采用贪心策略能得到最优解？ * 0 / 1背包问题的几种贪婪策略： 1）从剩余的物品中，选出可以装入背包的价值最大的物品 2）从剩下的物品中选择可装入背包的重量最小的物品 3）从剩余物品中选择可装入包的pi /wi 值最大的物品 这三种策略都不能保证得到最优解。 我们不必因所考察的几个贪婪算法都不能保证得到最优解而沮丧， 0 / 1