算法与程序设计：第4章 贪心算法.ppt

*【例5】哈夫曼编码 (1)贪心选择性质设C是编码字符集，C中字符c的频率为f(c)。又设x和y是C中具有最小频率的两个字符，证明存在C的一个最优前缀码使x和y具有最长码长且仅最后一位编码不同。 (2)最优子结构性质设T表示字符集C的一个最优前缀码的完全二叉树。C中字符c的出现频率为f(c)。设x和y是树T中的两个叶子且为兄弟，z是它们的双亲。若将z看作是具有频率f(z)=f(x)+f(y)的字符，证明树T’=T-{x,y}表示字符集C’=C-{x,y}∪{z}的一个最优前缀码。*【例5】哈夫曼编码xybaayxbabxyTTT*4.5单源最短路径1.问题描述给定带权有向图G=(V,E)，其中每条边的权是非负实数。还给定V中的一个顶点，称为源。现在要计算从源到所有其它各顶点的最短路径长度。这里路径的长度是指路径上各边权之和。这个问题通常称为单源最短路径问题。*4.5单源最短路径【问题实例】0543211006010302050105*4.5单源最短路径2.问题性质【引理1】最短路径中子路径是最短路径。【引理2】最短路径中不能含有负权值回路，也不能含有正权值回路。且在以下讨论中，假设图中所有边权值非负。*4.5单源最短路径3.算法基本思想Dijkstra提出了一个按路径长度递增的顺序产生最短路径的算法，是一个贪心算法。其基本思想是，设置顶点集合S并不断地作贪心选择来扩充这个集合。一个顶点属于集合S当且仅当从源到该顶点的最短路径长度已知。*4.5单源最短路径3.算法基本思想 初始时，S中仅含有源。设u是G的某一个顶点，把从源到u且中间只经过S中顶点的路称为从源到u的特殊路径，并用数组d记录当前每个顶点所对应的最短特殊路径长度。用π表示每个顶点的前驱顶点。*4.5单源最短路径Dijkstra算法每次从V-S中取出具有最短特殊路长度的顶点u，将u添加到S中，同时对数组d做松弛操作。一旦S包含了所有V中顶点，d就记录了从源到所有其它顶点之间的最短路径长度。而每个顶点的π值组合起来就形成了最短路径。*4.5单源最短路径 例如，对右图中的有向图，应用Dijkstra算法计算从源顶点1到其它顶点间最短路径的过程列在下页的表中。*4.3贪心算法的基本要素对于一个具体的问题，怎么知道是否可用贪心算法解此问题，以及能否得到问题的最优解呢?从许多可以用贪心算法求解的问题中看到这类问题一般具有2个重要的性质：贪心选择性质最优子结构性质*4.3贪心算法的基本要素1、贪心选择性质所谓贪心选择性质是指通过一系列局部最优的选择，即贪心选择可以得到问题的全局最优解。对于一个具体问题，要确定它是否具有贪心选择性质，必须证明每一步所作的贪心选择最终导致问题的整体最优解。这是贪心算法可行的第一个基本要素，也是贪心算法与动态规划算法的主要区别。*183331331找零问题的贪心选择树50201021*Fib(5)Fib(4)Fib(3)Fib(2)Fib(0)Fib(1)Fib(1)Fib(2)Fib(3)斐波那契数列的动态规划调用树*4.3贪心算法的基本要素当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。这是动态规划算法和贪心算法求解的共同特征。2、最优子结构性质*4.3贪心算法的基本要素贪心算法和动态规划算法都要求问题具有最优子结构性质，这是2类算法的一个共同点。3、贪心算法与动态规划算法的差异但是，对于具有最优子结构的问题应该选用贪心算法还是动态规划算法求解?是否能用动态规划算法求解的问题也能用贪心算法求解?下面通过2个经典的组合优化问题，并以此说明贪心算法与动态规划算法的主要差别。*4.1背包问题【例4】[0-1背包问题]给定n种物品和一个背包。物品i的重量是Wi，其价值为Vi，背包的容量为C。应如何选择装入背包的物品，使得装入背包中物品的总价值最大?在选择装入背包的物品时，对每种物品i只有2种选择，即装入背包或不装入背包。不能将物品i装入背包多次，也不能只装入部分的物品i。*4.1背包问题【例4】*【例4】背包问题[背包问题] 与0-1背包问题类似，所不同的是在选择物品i装入背包时，可以选择物品i的一部分，而不一定要全部装入背包，1≤i≤n。这2类问题都具有最优子结构性质，极为