算法第四章作业

计科2301李昭熹

1.  反证法证明贪心选择性质

给定一个数组A=a1.....an,通过选择一些元素，使得它们满足某些条件（例如：不相邻），并且我们希望选择的元素的某种总和最大化。贪心策略：每次选择数组中的某个“最优”元素，例如选择当前未被选择的最大元素或符合某种条件的最优元素，并将其加入到当前解中。使用反证法来证明“删数问题”算法满足贪心选择性质，即贪心选择的解一定是最优解。

1. 假设最优解不包含贪心选择： 假设最优解 S不包含贪心选择的元素。假设我们按贪心算法的选择顺序，首先选择了元素 x，但最优解best里并没有选择这个元素。

2. 选择一个与贪心选择相同的最优解： 我们将最优解S中的一个元素（记为 y）替换为贪心选择的元素x，并构造一个新的解 'S'

   • 新解  'S' 就是将best​ 中的元素 y替换为 x 后得到的解。即 ′S′ 中的元素包括 S 中的所有元素，除了y 外，再加上 x。

3. 检验新的解是否更优：

   • 如果替换后的新解 ′S′ 更优，即其总和或其他性质更好（取决于题目设定），那么我们就得到了一个比最优解更好的解，这与最优解的定义矛盾。
   • 如果替换后的解 ′S′ 仍然与 S​ 相等（即没有改善），则表明贪心选择并没有导致错误的选择，实际上它是合理的。

4. 结论：

   • 由于通过替换过程没有得到更优解（或者没有破坏最优解），则可以推出，最优解中一定包含贪心选择的元素，否则我们就能通过上述替换得到更好的解，形成矛盾。

   • 因此，可以得出结论：如果最优解不包含贪心选择的元素，那么可以通过替换得到一个更优的解，从而推翻最优解不包含贪心选择的假设。

2. 结合本章的学习，总结对贪心法的体会和思考

贪心算法是一种简单而有效的算法设计策略，它通过在每一步做出当前最优选择（即局部最优解），通过一系列的局部最优选择，最终得到一个全局最优解。贪心法的核心思想是“从局部最优推到全局最优”，但这种方法并不适用于所有问题。因此，在使用贪心法时，需要仔细考虑问题是否符合贪心法的适用条件。下面是我对贪心法的一些体会和思考：

1. 贪心法的基本特性

• 简单直观：贪心算法的最大优点是实现简单，逻辑清晰。在每一步选择中，我们只关心当前状态下的最优解，而不需要考虑未来可能发生的情况。
• 局部最优性：贪心法的核心思想是每一步都做出局部最优的选择，期望这些局部最优解的累积能得到全局最优解。
• 贪心选择性质：为了保证贪心法能获得全局最优解，问题必须具有“贪心选择性质”和“最优子结构”两个特征。如果问题不具备这些特性，贪心法就不一定能得到最优解。

2. 何时使用贪心法

贪心算法并不适用于所有问题，只有在满足一定条件时才能使用。一个贪心算法的基本要素包括：

• 贪心选择性质：即可以通过局部最优选择（贪心选择）来构造全局最优解。例如，背包问题的某些变种（如分数背包问题）可以通过贪心选择策略得到最优解。
• 最优子结构：问题的最优解可以通过其子问题的最优解来构造。例如，活动选择问题（选择最大数量的互不冲突的活动）就符合最优子结构的要求。

在满足这两个特性时，贪心法会非常有效。例如：

• 活动安排问题
• Huffman编码
• 最小生成树（如Kruskal和Prim算法）
• 背包问题（0-1背包）

3. 贪心法的局限性

贪心法并不总能得到最优解，尤其是在那些不满足贪心选择性质和最优子结构的情况下。对于这些问题，我们通常需要考虑其他更复杂的算法，如动态规划或回溯算法。

• 贪心法失效的例子：在0/1背包问题中，贪心法虽然能够选择部分较大的物品，但由于它忽略了未来的选择，最终可能会错过能提供更大价值的组合，因此不能得到最优解。

• 局部最优不等于全局最优：贪心算法通过选择当前最优的元素来做决策，但这种策略不能保证会得到全局最优解。在某些情况下，局部最优选择可能导致未来出现不利的情况。

4. 贪心法的优势

• 高效性：贪心法通常比动态规划等方法更高效，尤其在时间复杂度上。因为贪心法每次只考虑一个最优选择，而不需要重复计算子问题。
• 易于实现：很多贪心算法可以直接用简单的排序和选择结构来实现，代码简洁且直观。

5. 思考和总结

贪心法的使用关键是判断一个问题是否符合贪心策略的要求。虽然贪心法非常直观且易于实现，但如果没有正确判断问题的特性，贪心法可能会给出错误的解。因此，理解问题的结构和特性是应用贪心法的关键。总的来说，贪心法是解决某些特定类型问题时非常有效的工具，但它并不总能保证最优解，必须谨慎使用。