贪心策略聂晶.ppt

分析 2、带限期和罚款的单位时间任务调度 贪心方法的推广 贪心与其它算法结合 搜索的最优化剪枝（ 生日蛋糕） 优化动态规划（ Peter的快餐店） 贪心方法与解题策略 最优方法不一定是最好方法 想不到最优解法就用较优解法 贪心与其它算法结合 例题11：Peter的快餐店（贪心与动态规划） Peter最近在R市新开了一家快餐店。 该快餐店准备推出一种套餐，每套由A个汉堡、B个薯条和C个饮料组成。为了提高产量，Peter引进了N条生产线。所有生产线都可以生产汉堡、薯条和饮料，由于每条生产线一天能工作的时间是有限的、不同的，而汉堡、薯条和饮料的单位生产时间又不同，Peter需要知道，怎样安排才能是一天中生产的套餐量最大。假设一天中汉堡、薯条和饮料的产量均不超过100个，且生产线总数小于等于10。 分析 本题是一个非常典型的资源分配问题。由于每条生产线的生产是相互独立，不互相影响的，所以此题可以以生产线为阶段用动态规划求解。 状态表示： 用p[i][j][k]表示前i条生产线生产j个汉堡，k个薯条的情况下最多可生产饮料的个数。 用r[i][j][k]表示第i条生产线生产j个汉堡，k个薯条的情况下最多可生产饮料的个数。 状态转移方程 :p[i][j][k]=Max{p[i-1][j1][k1]+r[i][j-j1][k-k1]} (0=j1=j,0=k1=k,且(j-j1)*p1+(k-k1)*p2= 第i条生产线的生产时间) 但这样的算法是非常粗糙的，稍加分析可以发现，此算法的时间复杂度为O(N*1004),当N=10的时候，时间复杂度将达到10*1004=109，这是根本无法承受的。 用贪心方法作预处理 ： 首先计算出一天生产套数的上限值：min{100 div A,100 div B,100 div C} 接着，用贪心方法计算出这N条生产线可以生产的套数，并与上限比较，大于或等于则输出上限值并退出，否则再调用动态规划。因为贪心方法的代价很低，这里甚至可以使用多次贪心标准不同的贪心方法，取其最大值。 在运行动态规划的过程中，也可以每完成一阶段工作便与上限值进行比较，将贪心思想充分融入到动态规划过程中，这样以来，便可望在动态规划完成前提前结束程序。 算法步骤： 贪心小结: 贪心作为一种解题思路，虽然有时无法证明它的正确性，但在无法找到其他算法的时候，不失为一种好方法。 并且，贪心与其他算法的结合，可以对其他算法起到优化作用。 贪心策略聂晶. 谢谢 * * * * 第五部分 贪心策略 贪心方法的基本思想 贪心是一种解题策略，也是一种解题思想 使用贪心方法需要注意局部最优与全局最优的关系，选择当前状态的局部最优并不一定能推导出问题的全局最优 利用贪心策略解题，需要解决两个问题： 该题是否适合于用贪心策略求解 如何选择贪心标准，以得到问题的最优解 【引例】在一个N×M的方格阵中，每一格子赋予一个数（即为权），规定每次移动时只能向上或向右。现试找出一条路径，使其从左下角至右上角所经过的权之和最大。 我们以2×3的矩阵为例： 若按贪心策略求解，所得路径为：1→3→4→6； 若按动态规划求解，所得路径为：1→2→10→6。 贪心法的特点 1.贪心选择性质：算法中每一步选择都是当前看似最佳的选择，这种选择依赖于已做出的选择，但不依赖于未做的选择。 2.最优子结构性质：算法中每一次都取得了最优解(即局部最优解)，要保证最后的结果最优，则必须满足全局最优解包含局部最优解。 但并不是所有具有最优子结构的问题都可以用贪心策略求解。因为贪心往往是盲目的，需要使用更理性的方法——动态规划（例如“0-1背包问题”与“部分背包问题”） 【问题1】部分背包问题 给定一个最大载重量为M的卡车和N种食品，有食盐，白糖，大米等。已知第i种食品的最多拥有Wi公斤，其商品价值为Vi元/公斤，编程确定一个装货方案，使得装入卡车中的所有物品总价值最大。 【分析】因为每一个物品都可以分割成单位块，单位块的利益越大，显然总收益越大，所以它局部最优满足全局最优，可以用贪心法解答。 方法如下：先将单位块收益按从大到小进行排列，然后用循环从单位块收益最大的取起，直到不能取为止便得到了最优解。 【问题2】0/1背包问题 给定一个最大载重量为M的卡车和N种动物。已知第i种动物的重量为Wi，其最大价值为Vi，设定M，Wi，Vi均为整数，编程确定一个装货方案，使得装入卡车中的所有动物总价值最大。 【分析】按贪心法：每次选价格最大的装载。很明显有反例：设N=3,卡车最大载重量是100,三种动物A、B、C的重量分别是40,50,70,其对应的总价值分别是80、100、150。 贪心策略与其他算法的区别 1.贪心与递推：与递推不同的是，贪心法中推进的每一步不是依