算法设计与分析 王红梅 第二版 第7章_贪心算法.ppt

* Chapter 7 Greedy Method * 算法 7.9——多机调度问题 输入：n个作业的处理时间t[n]，m台机器的空闲时间d[m] 输出：每台机器所处理的作业S[m] 1．将数组 t[n] 由大到小排序，对应的作业序号存储在数组 p[n] 中； 2．将数组 d[m] 初始化为 0； 3．for (i=1; i=m; i++) 3.1 S[i]={p[i]}; //将 m 个作业分配给 m 个机器 3.2 d[i]=t[i]; 4. for (i=m+1; i=n; i++) 4.1 j=数组d[ ] 中最小值对应的下标； //j 为最先空闲的机器序号 4.2 S[j]=S[j]+{p[i]}; //将作业i 分配给最先空闲的机器 j 4.3 d[j]=d[j]+t[i]; //机器 j 将在 d[j] 后空闲 7.3.3 多机调度问题 * Chapter 7 Greedy Method * 在算法7.9中： 步骤1将数组t[n]进行排序，时间性能为O(nlog2n) 步骤3完成前m个作业的分配，时间性能为O(m) 步骤4完成后n-m个作业的分配，搜索“数组 d[m] 中最小值对应的下标”如果采用蛮力法查找，其时间性能为O(m) 则整个算法的时间性能为： 通常情况下mn，则算法7.9的时间复杂性为O(n×m)。 7.3.3 多机调度问题 * * Chapter 7 Greedy Method * 1 5 3 7 2 6 4 8 图7.4 具有8个顶点的双向图 考虑一个有2n个顶点的无向图，顶点编号：1~2n 当i是奇数时，顶点i与除了顶点i+1之外的其他所有编号为偶数的顶点邻接， 当i 是偶数时，顶点i与除了顶点i-1之外的其他所有编号为奇数的顶点邻接，这样的图称为双向图（Bipartite）。 7.2.2 一个双向图的着色问题 奇数i i+1 偶数i i-1 * Chapter 7 Greedy Method * 讨论 可以将奇数顶点全部着颜色1，偶数顶点全部着颜色2； 若贪心法以1,3,…,2n-1, 2,4,…,2n的顺序为双向图着色，则算法可以得到最优解：2种颜色； 若贪心法以1,2，3,…,n 的顺序为双向图着色，则算法需要 n/2 种颜色。 7.2.2 一个双向图的着色问题 * Chapter 7 Greedy Method * 7.2 图问题中的贪心法 7.2.1 TSP问题 7.2.2 图着色问题 7.2.3 最小生成树问题 * Chapter 7 Greedy Method * 7.2.3 最小生成树问题 最小生成树？ 设G=(V，E)是一个无向连通网，生成树上各边的权值之和称为该生成树的代价，在G 的所有生成树中，代价最小的生成树称为最小生成树（Minimal Spanning Trees）。 * Chapter 7 Greedy Method * 最小生成树问题至少有两种合理的贪心策略：最近顶点策略和最短边策略。 最近顶点策略 任选一个顶点，并以此建立起生成树，每一步的贪心选择是把不在生成树中的最近顶点添加到生成树中。 Prim算法就是最近顶点策略的应用,它使生成树以一种自然的方式生长，即从任意顶点开始，每一步为这棵树添加一个分枝，直到生成树中包含全部顶点。 设最小生成树T＝(U, TE)，U是生成树的顶点集，初始时U={u0,为任意顶点}，TE＝{}。 lowcost[v]---表示 v 到生成树中所有项点U的最短边，Adjvex[v]---表示 v顶点到生成树最短边在生成树中的顶点 7.2.3 最小生成树问题 * Chapter 7 Greedy Method * (d) U={A, F, C, D} (e) U={A, F, C, D, E} (f) U={A, F, C, D, E, B} cost={(A, B)34, (F, E)26} cost={(E, B)12} cost={ } Prim算法构造最小生成树的过程示意 B 25 12 34 19 26 46 38 17 25 25 12 34 19 26 46 38 17 25 25 12 34 19 26 46 38 17 25 A A A B B E E E F F F D D