算法设计与分析第5章 贪心算法.pptVIP

第5章 贪心算法 5.1 算法概述 5.2 背包问题 5.3 带有期限的作业排序 5.4 最优归并模式 5.5 哈夫曼编码 5.6 最小生成树 5.7 单源点最短路径 5.1 算法概述 顾名思义，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。 贪心算法采用时逐步构造最优解得方法 在每个阶段，都在一定的标准下作出一个看上去最优的决策。决策一旦作出， 就不可更改。作出这个局部最优决策所依照的标准称为贪心准则 贪心算法的特点： 1 在当前状态下一旦选定一个分量， 就不再重试其他的可行性； 2 它并不从整体最优上作出考虑， 它的选择只是在贪心准则下的局部最优选择 5.1.1 贪心选择性质 在求解一个问题的过程中，如果每一个阶段都是当前状态下的最优选择，即局部最优选择，并且最终能够求得问题的整体最优解 5.1.2 最优子结构性质 当一个问题的最优解包括了这个问题的子问题的最优解时，就说这个问题具有最优子问题 5.1.3 活动安排问题 设总共有n项活动(1,2,…, n), 并且所有的活动都需要使用同一个会场，而且任意两个活动不能同时使用这个会场。 设活动i占用会场的时间时[bi,ei), 其中biei(bi 是活动i开始的时间, ei是活动i结束的时间）。对两个不同的活动i 和j, 如果[bi,ei）与[bj,ej]这两个区间不相交， 就说活动i 与j是相容的 GreedySelecter(int n, Elemtype b [], Elemtype e[], boolx[]) x[1]?TRUE Int j?1 for i?2 to n do if b[i]=e[j] then { x[i] ?true j?i; } else { x[i]?false;} 14 例：设待安排的11个活动的开始时间和结束时间按结束时间的非减序排列如下： 算法greedySelector 的计算过程如左图所示。图中每行相应于算法的一次迭代。阴影长条表示的活动是已选入集合A的活动，而空白长条表示的活动是当前正在检查相容性的活动。 假设x是活动安排问题的一个最优解，并且选人x中的活动也是按照其结束的时间非减序排列的，设x中的第一个活动是i 当i=1时，x活动就是以贪心选择开始的最优解 如果i1,那么设一个新解x1=x-{i} ∪{1} X2=x1-{1} 假设此子问题中可以找到另一个解y1,它比x2包含更多的活动，那么将活动1加到y1后就得到整个问题的一个最优解，与假设x是一个最优解想矛盾。 5.2 背包问题 已知一个可容纳重量为C的背包以及n种物品，其中第i件物品的重量为wi,每件物品的效益是pi(pi0).假设将第i件物品的一部分yi(0=yi=1)放入背包， 则得到的效益是piyi 背包问题： 与0-1背包问题类似，所不同的是在选择物品i装入背包时，可以选择物品i的一部分，而不一定要全部装入背包，1≤i≤n。 Knapsack(ElemtypeW p[n], Elemtype w[n], float y[n], ElemtypeW C, int n) 1 for i?1 to n 2 do y[i]?0; 3 cu?C; 4 for i?1 to n 5 do { 6 if w[i]cu break; 7 then y[i]?1; 8 cu?cu-w[i]; 9 } 10 if i=n 11 then y[i]?cu/w[i] 设y[n]是Knapsack算法得出的向量解 1 如果任意的yi=1,那么这个解肯定是问题的最优解 2 否则，设j是yi1的最小下标。 可知1=ij 时, yi=1 ji=n时，yi=0; i=j时， 0=yi1 3 如果y[n]不是问题的最优解，则肯定存在一个可行解