高等教育算法设计与分析.pptxVIP

第6章 贪心法 6.1 一般方法 6.2 背包问题 6.3 带时限的作业排序 6.4 最佳合并模式 6.5 最小代价生成树 6.6 单源最短路径 6.7 磁带最优存储 6.8贪心法的基本要素 6.1 一般方法最优化问题（optimization problems）是指这样一类问题，问题给定某些约束条件（constraint），满足这些约束条件的问题解称为可行解（feasible solution）。通常满足约束条件的解不是惟一的。为了衡量可行解的好坏，问题还给出了某个数值函数，称为目标函数（objective function），使目标函数取最大（或最小）值的可行解称为最优解（optimal solution）。 贪心法是通过分步决策（stepwise decision）的方法来求解问题的。贪心法每一步上用作决策依据的选择准则被称为最优量度标准（optimization criterion）。在根据最优量度标准选择分量的过程中，还需要使用一个可行解判定函数。贪心策略并不是从整体上加以考虑的，它所做出的选择只是当前看似最佳选择，必须进一步证明该算法最终导致问题的一个整体最优解。 贪心技术(Greedy Technique)某一问题的n个输入A(1)A(2)…A(n-1)A(n)是A的一个子集满足一定的条件约束条件…Bk(1)Bk(2)…Bk(m)B1(1)B1(2)…B1(m)取极值该问题的一种解（可行解）最优解目标函数 【程序6－1】贪心法SolutionType Greedy(SType a[],int n){ SolutionType solution=?; for(int i=0;in;i++){ SType x=Select(a); if (Feasiable(solution,x)) solution=Union(solution,x); } return solution;} 找零钱问题(change-making problem)用当地面额为d1d2…dm的最少数量的硬币找出金额为n的零钱。 如d1=25,d2=10,d3=5,d4=1，n=48 该问题的一个解是： 1个25，2个10，3个1，且该解是最优的。 这种方法称为贪心法，建议通过一系列步骤来构造问题的解，每一步对目前构造的部分解做一个扩展，直到获得问题的完全解。必须满足：可行、局部最优、不可取消 又如：d1=11,d2=5,d3=1,n=15 该问题的一个解是： 1个11，4个1，该解不是最优的。 最优解：3个5 本质上由硬币面值种类决定（问题其本身固有的特点） 。 贪心策略最优解的证明基本思想设X={x1,x2,...,xn}为贪心策略得到的解设Y={y1,y2,...,yn}为该问题的最优解很明显，X≠Y，如果成立，则不用证明了。证明过程：依次比较X和Y中的每个元素，如果发现不一样，则用X中的替换Y中相应元素，比较完后得到一个新的解Y’=X此时，如能证明Y’的最优值就是Y的最优值或者比Y还好，则说明X就是最优解。 6.2 背包问题 问题对容量为M的背包进行最佳装载的问题。 6.2.1? ?问题描述 已知一个载重为M的背包和n件物品，第i件物品的重量为 wi，如果将第i件物品全部装入背包，将有收益pi，这里，wi0，pi0，0?in。所谓背包问题是指求一种最佳装载方案，使得收益最大。所以，背包问题是现实世界一个常见的最优化问题。两类背包问题:如果每一件物品不能分割，只能作为整体或者装入背包，或者不装入，称为 0/1背包问题；如果物品是可以分割的，也就是允许将其中的一部分装入背包为一般背包问题或简称背包问题。 6.2.2 贪心法求解 背包问题 背包问题的解可以表示成一个n-元组：X=(x0,x1,?,xn－1)，0?xi?1，0?in，每个xi是第i件物品装入背包中的部分。 判定可行解的约束条件是： 背包问题的最优解必须使下列目标函数取最大值： 例6－1 设有载重能力M=20的背包，3件物品的重量为:（w0,w1,w2）=(18,15,10)，物品装入背包的收益为：（p0,p1,p2）=(25,24,15)。 背包问题(Knapsack Problem)方案2：按物品重量升序装包方案1：按物品价值降序装包方案3：按物品价值与重量比值的降序装包 【程序6－2】背包问题的贪心算法 templateclass Tclass Knapsack {public: Knapsack(int mSize,float cap,float *wei,T *prof); void GreedyKnapsack(float* x); ……private: float m,*w; T *p; int n;}; templateclas