信息学奥林匹克竞赛辅导归纳策略.pptVIP

{ int k=1; a[k]=2; n=n-a[k]; //从2开始分解 while(na[k]) //分解直到a[k+1]=a[k] { k++; a[k]=a[k-1]+1; n=n-a[k]; } if (n==1) { a[k]++; n--; //a[k+1]=1 } else { if (n==a[k]) //a[k+1]=a[k] { a[k]++; n--;} //1a[k+1]a[k] for(int i=0;i=n-1;i++)a[k-i]++; } for(int i=1;i=k;i++) mul=mul*a[i]; } coutmul; } 第61页，共120页，编辑于2022年，星期二 四、贪心法 和前面所讲的递推法相仿，贪心法也是从问题的某一个初始解出发，向给定的目标推进。但不同的是，推进的每一步不是依据某一固定的递推式，而是做一个当时看似最佳的贪心选择，不断地将问题实例归纳为更小的相似的子问题，并期望通过所做的局部最优选择产生出一个全局最优解。对于贪心法，我们并不陌生。例如求最小生成树、求单源最短路径使用的算法策略实际上就是贪心法。 第62页，共120页，编辑于2022年，星期二 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，直到获得问题的完整解为止。这个问题的核心是，所做的每一步选择都必须满足以下条件： 可行的：即它必须满足问题的约束。 局部最优：它是当前步骤中所有可行选择中最佳的局部选择 不可取消：即选择一旦做出，在算法的后面步骤中就无法改变。 在每一步中，它要求“贪婪”地选择最佳操作，并希望通过一系列局部的最佳选择，能够产生一个整个问题的（全局的）最佳解。 第63页，共120页，编辑于2022年，星期二 那么如何证明按贪心选择得出的解是最优解呢？有两种方法： (1)对贪心选择进行数学分析，从理论上证明是最优的。 (2)构造一个最优解，然后对该解进行修正，使其第一步为一个贪心选择，证明总是存在一个以贪心选择开始的求解方案，然后证明经过若干次贪心选择后可以得出一个最优解。 第二种证明方法相对比较容易。 由于贪心选择的设计及其产生最优解的证明是对实际问题分析归纳的结果.因此,我们将贪心法列为一种归纳策略。 第64页，共120页，编辑于2022年，星期二 【 例 18 】 活动选择 假设有一个需要使用某一资源的n个活动组成的集合S={1,…,n}。该资源一次只能被一个活动所占用，每一个活动有一个开始时间Si和结束时间Fi(Si=Fi)。若Si=Fj或者Sj=Fi，则活动i和活动j兼容。选择由互相兼容的活动组成的最大集合。 输入：n S1 F1 … Sn Fn 输出：占用时间t 最大集合A中的活动序号 第65页，共120页，编辑于2022年，星期二 分析：我们使用尽可能逼近目标的贪心策略来选择活动，即每一步总是选择这样一个活动来占用资源―它能够使得余下的未调度时间最大化，使得兼容的活动尽可能多。为了达到这个目的，我们将n个待选活动按结束时间递增的顺序排列： F1=F2=…=Fn 递增序列中的活动1进入集合A。然后依次分析序列中的活动2到活动n，将那些与A中活动兼容的活动送入集合A。 第66页，共120页，编辑于2022年，星期二 例如 活动 开始时间 结束时间 1 3 5 2 1 4 3 12 14 4 8 12 5 0 6 6 8 11 7 6 10 8 5 7 9 3 8 10 5 9 11 2 13 第67页，共120页，编辑于2022年，星期二 #include iostream using namespace std; const int N=11; //活动序号 int