算法分析第4章 贪心算法.pptVIP

* 欢迎辞 * 4.3 最优装载 2、贪心选择性质 　贪心选择得到的解A为最优解：因为其它解B中选择了比解A更重的集装箱，用A中的集装箱替代B中更重的集装箱后得到的新解比B有更小的重量。 3、最优子结构性质 　　最优装载问题具有最优子结构性质：其最优解包含子问题的最优解。 　　由最优装载问题的贪心选择性质和最优子结构性质，容易证明算法loading的正确性。 　　算法loading的主要计算量在于将集装箱依其重量从小到大排序，故算法所需的计算时间为 O(nlogn)。 作业 算法分析题4-3 算法设计题4-1 * * 4.4 哈夫曼编码 　　哈夫曼编码是广泛地用于数据文件压缩的十分有效的编码方法。其压缩率通常在20%～90%之间。哈夫曼编码算法用字符在文件中出现的频率表来建立一个用0，1串表示各字符的最优表示方式。 　　给出现频率高的字符较短的编码，出现频率较低的字符以较长的编码，可以大大缩短总码长。 1、前缀码 　　对每一个字符规定一个0,1串作为其代码，并要求任一字符的代码都不是其它字符代码的前缀。这种编码称为前缀码。 * 4.4 哈夫曼编码 　　编码的前缀性质可以使译码方法非常简单。 　　表示最优前缀码的二叉树总是一棵完全二叉树，即树中任一结点都有2个儿子结点。 　　平均码长定义为： 　　使平均码长达到最小的前缀码编码方案称为给定编码字符集C的最优前缀码。 * 4.4 哈夫曼编码 2、构造哈夫曼编码 　　哈夫曼提出构造最优前缀码的贪心算法，由此产生的编码方案称为哈夫曼编码。 　　哈夫曼算法以自底向上的方式构造表示最优前缀码的二叉树T。 　　算法以|C|个叶结点开始，执行|C|－1次的“合并”运算后产生最终所要求的树T。 使用类实现Huffman算法 templateclass Type class Huffman{ friend BinaryTreeint HuffmanTree(Type[],int); public: operator Type() const {return weigth;} private: BinaryTreeint tree;//int型的二叉树 Type weigth; }; * 使用友元函数构造Huffman树 template class Type BinaryTreeint HuffmanTree(Type f[],int n){ HuffmanType *w=new HuffmanType[n+1]; BinaryTreeint z,zero; for(int i=1;i=n;i++){z.MakeTree(i,zero,zero);w[i].weigth=f[i];w[i].tree=z;} MinHeap HuffmanType Q(1); Q.Initialize(w,n,n); HuffmanType x,y; for(int i=1;in;i++){ Q.DeleteMin(x); Q.DeleteMin(y); z.MakeTree(0,x.tree,y.tree); x.weigth+=y.weigth;x.tree=z; Q.Insert(x); } Q.DeleteMin(x); Q.DeleteMin(y); delete[] w;return x.tree;} * * 4.4 哈夫曼编码 　　在书上给出的算法huffmanTree中，编码字符集中每一字符c的频率是f(c)。以f为键值的优先队列Q用在贪心选择时有效地确定算法当前要合并的2棵具有最小频率的树。一旦2棵具有最小频率的树合并后，产生一棵新的树，其频率为合并的2棵树的频率之和，并将新树插入优先队列Q。经过n－1次的合并后，优先队列中只剩下一棵树，即所要求的树T。 　　算法huffmanTree用最小堆实现优先队列Q。初始化优先队列需要O(n)计算时间，由于最小堆的removeMin和put运算均需O(logn)时间，n－1次的合并总共需要O(nlogn)计算时间。因此，关于n个字符的哈夫曼算法的计算时间为O(nlogn) 。 堆（小顶堆） 1.根结点的值小于子树上结点的值 2.是一完全二叉树 3.插入时先插入到最后一个结点后面，修改结点个数，当插入后小于其父结点时与其父结点交换，直到成为堆时止。 4.删除根时，将最后一个结点交换到根，将结点个数减1，然后进行堆化 5.堆化（HEAPIFY)，当不成为堆时，将该结点与其子结点中较小的交换 例：将数据：5，3，6，4，2，1建成一个小顶堆 * * 4.4 哈夫曼编码 3、哈夫曼算法的正确性 　　要证明哈夫曼算法的正确性，只要证明最优前缀码问题具有贪心选择性质和最优子结构性质