[理学]计算理论与算法12年CH4贪心.ppt

1.7 对偶与范式 贪心法（贪婪法） 数钱一出纳员支付一定数量的现金。假设他手中有各种面值的纸币和硬币，要求他用最少的货币数支付规定的现金。例如，现有4种硬币：它们的面值分别为1分、2分、5分和1角。要支付2角5分。 首先支付2个1角硬币，然后支付一个5分硬币，这就是贪心策略。 贪心法不一定能产生正确的答案。 例如，若引进一个1角1分的硬币，设从如下集合{1,1,2,2,2,5,10,10,11,11}中数出25分，按贪心法，共4个硬币。但最优解仅为3个硬币。 这说明贪心法得到的解只是一个可行解。 货郎担（TSP）问题 设售货员要到五个城市去售货，最后再回到出发的城市。已知从一个城市到其他城市的费用，求总费用最少的路线 权为13 从不同结点出发：1）结点a为起点：2）结点b为起点：3）结点c为起点：4）结点d为起点： 而实际上图中最短哈密顿回路的长度为12。 即abcda Huffman编码 某通讯系统只使用5种字符a、b、c、d、e，使用频率分别为0.1 , 0.14 , 0.2 , 0.26 , 0.3 ,利用二叉树设计不等长编码： 1）构造以 a、b、c、d、e为叶子的二叉树； 2）将该二叉树所有左分枝标记0，所有右 分枝标记1； 3）从根到叶子路径上标记作为叶子结点所 对应字符的编码； Huffman编码:贪心选择性质 《算法导论》P234以及教材P112 Huffman编码:贪心选择性质 背包问题 已知一个容量大小为M重量的背包和n种物品，物品i的重量为wi,假定物品i的一部分xi放入背包会得到vixi这么大的收益，这里，0≤xi≤1，vi0。采用怎样的装包方法才会使装入背包的物品总效益最大？ 例：考虑以下情况下的背包问题n=3, M=20 , (v1, v2, v3)=(25,24,15)(w1 , w2 , w3)=(18,15,10) n=3, M=20 , (v1, v2, v3) =(25,24,15)(w1 , w2 , w3)=(18,15,10) 1)按效益值非增次序将物品依次放入背包 (x1,x2,x3) Σwixi Σvixi 2)按物品重量的非降次序将物品依次放入背包 n=3, M=20 , (v1, v2, v3) =(25,24,15)(w1 , w2 , w3)=(18,15,10) 3)按vi/wi的非增次序将物品依次放入背包 (x1,x2,x3) Σwixi Σvixi void GreedyKnapsack(int n, float M, float v[], float w[], float x[]) { Sort(n, v, w); //使v1/w1≥v2/w2≥…≥vn/wn for(int i=1; i=n; i++) x[i]=0; float c=M; for(int i=1; i=n; i++) { if(w[i]c) break; x[i]=1; c-=w[i]; } if(i=n) x[i]=c/w[i]; } 算法的时间复杂性为 O(nlogn) 下面来证明使用此贪心算法所得到的贪心解是一个最优解。证明的基本思想是： 把这个贪心解与任一个最优解相比较，如果这两个解不同，就去找开始不同的第一个xi，然后设法用贪心解的这个xi去代换最优解的那个xi，并证明在分量作了代换 之后其总效益与代换之前无任何损失。反复进行这种代换，直到新产生的最优解与贪心解完全一样，从而证明了贪心解是最优解。 定理：如果v1 /w1 ≥ v2/w2 ≥··· ≥ vn/wn ,则此算法对于给定的背包问题实例生成一个最优解。 j是使xj ≠1的最小下标, k是使 yk ≠xk的最小下标。 j是使xj ≠1的最小下标, k是使 yk ≠xk的最小下标。 有限期的任务安排问题 用贪心法求解有限期的任务安排问题：假设只能在同一台机器上加工n个任务，每个任务i完成时间均是一个单位时间。又设每个任务i都有一个完成期限di0,当且仅当任务i在它的期限截止以前被完成时，任务i才能获得pi的效益，每个任务的期限从整个工序的开工开始计时，问应如何安排加工顺序，才能获得最大效益？n=6,(p1,p2,p3,p4,p5,p6)=(5,25,20,30,10,15),(d1,d2,d3,d4,d5,d6)=(1,5,2,3,3,2)