贪心算法及其应用课件.ppt

区间问题3.有最终期限的区间调度问题 与上例相似的一道题：TOJ 1681 唯一的一点不同是toj 1681同一时刻只能处理一件产品，即上页算法中的L是1。因此toj 1681要简单一些。大家回去可以按照上述算法做一做。 参见如下部分代码： sort (a, a + n, cmp); memset (s, -1, sizeof(s)); for (i = 0; i n; i++) { for (j=a[ i ].d - 1; j = 0; j--) if (s[ j ] == -1) { s[ j ] = i; break; } } 区间问题4.最小区间覆盖问题 有n个区间，选择尽量少的区间，使得这些区间完全覆盖某线段[s,t]。 算法： 按左端点坐标排序 每次选择覆盖点s的区间中右端点坐标最大的一个，并更新s 直到所选区间已包含t 区间问题5.区间和点的有关问题 有n个区间，m个点。若某区间包含了某点，则构成一对匹配关系。选出最多的区间和相同数量的点，使对应的区间和点构成匹配关系。 算法： 所有点按坐标排序 选取包含该点且右端点坐标最小的区间 优化 按区间左端点排序，得到有序表 维护二叉堆，以区间右端点为关键字 所有点按坐标从小到大依次处理 维护二叉堆： 插入左端点小于等于该点坐标的区间 删除右端点小于该点坐标的区间 取出右端点坐标最小的与该点匹配并删除 区间问题总结 有序性——大多数问题都要先排序，经常要用到结构体、写比较函数。排序的时候要选好排序的关键字。 算法的选择与设计 优化——数据结构的选择：有时候为了避免超时，要进行适当优化，比如用二叉堆来维护，等等。 应用4——哈夫曼编码 哈夫曼编码是用于数据文件压缩的一个十分有效的编码方法。其压缩率在20%~90%之间。哈夫曼编码是可变字长编码(VLC)的一种。 Huffman于1952年提出一种编码方法，该方法完全依据字符出现概率来构造异字头的平均长度最短的码字，有时称之为最佳编码，一般就叫作Huffman编码。 哈夫曼树（即最优二叉树），带权路径长度最小的二叉树。 应用4——哈夫曼编码 以自底向上的方式构造最优二叉树T。以|C|个叶子结点开始，执行|C|-1次的“合并”运算后产生最终所要求的树T，每次找到两个频度最低的对象进行合并，合并的结果是一个新对象，其频度为被合并的两个对象的频度之和。最终使得 （即树T的代价）最小。其中， f(c)——c出现的频度； ——c的深度。 应用4——哈夫曼编码 例：共有6个字母，各自频度如下： f:5 e:9 c:12 b:13 d:16 a:45 应用4——哈夫曼编码 应用4——哈夫曼编码 例题：TOJ 2849 题目大意：把一根长木板切成要求的n段，每段长度Li已知，共需切割n-1次。每次切割的花销与切割之前木板长度相等。求最小的花销。n=20000; Li=50000. Sample Input Sample Output 3 34 8 5 8 应用4——哈夫曼编码TOJ 2849 尝试不同的贪心策略： 对于Sample，三段8，5，8，答案34。 34 = 21 + 13 = （8 + 8 + 5）+（8 + 5） 猜想贪心策略1：按照长度排序，每次切割下剩余部分中最长的？这种方法是否可行？ 不可行！！！ 原因：反例：输入：5、6、8、9，按上面的猜想策略做，9、8、6、5，每次切割前总长度分别是28、19、11，总花销=28+19+11=58.而实际上，这个例子的最优解应该是 56 = 28 + 11 + 17，也就是说第一次切成11和17两段，第二次把11切成5和6两段，第三次把17切成8和9两段。 应用4——哈夫曼编码TOJ 2849 注意数据范围。可能超int，故而用long long。 参见如下代码： #include iostream #include algorithm using namespace std; const int N = 20002; long long heap[ N ]; int hcmp( int a, int b ) { return a b; //小顶堆的比较函数 } 应用4——哈夫曼编码 int main() { long long i, n, len, Length, TotalLength; while (scanf( %lld, n ) != EOF) { for (i = 0; i n; i++) scanf(%lld,