[高等教育]《算法设计与分析》第06章.pptVIP

第2局部 算法设计策略;6.1 一般方法 6.2 背包问题 6.3 带时限的作业排序 6.4 最正确合并模式 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 贪心法的根本要素 ;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那么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正确选择，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);【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; };*;*;贪心策略最优解的证明; 问题 对容量为M的背包进行最正确装载的问题。;6.2.1? ?问题描述 ; ;6.2.2 贪心法求解 ; 背包问题的最优解必须使以下目标函数取最大值：;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); ; 【程序6－2】背包问题的贪心算法 templateclass T class Knapsack { public: Knapsack(int mSize,float cap,float *wei,T *prof); void GreedyKnapsack(float* x); …… private: float m,*w; T *p; int n; };;templateclass T void KnapsackT::GreedyKnapsack(float* x) { //前置条件：w[i]已按p[i]/w[i]的非增次序排列 float u=m; for (int i=0;in;i++) x[i]=0; for (i=0;in;i++) { if (w[i]u) break; x[i]=1.0; u=u-w[i]; } if (i=n) x[i]=u/w[i]; } ?;6.2.3? 算法正确性;证明： 设X=(x0, x1, …, xn-1)， 0≤xj ≤ 1 ,0≤i＜n是贪心背包算法所生成的贪心解。 ① 如果所有的xi都等于1,那么显然X就是问题的最优解。否那么， 设j是使xi≠1的最小下标。由算法的执行过程可知， 解的形式为： X=(1, …, 1,xj,0, …, 0) 即xi=1 0≤i＜j, 0≤xj ＜1,xi=0 j＜i≤n-1; 假设Y是问题的最优解：Y=(y0, y1, …, yn-1) 且有：