贪心策略的基本内容和背包问题

 

贪心策略的基本内容

 

 

 

一、贪心算法的构造步骤

a) 将优化问题转化为这样一个问题：即先做出选择，在解决剩下的一个子问题。

b) 证明原问题总是有一个最优解是做贪心选择得到的，从而说明贪心选择的安全。

c) 说明在做出贪心选择后，剩余的子问题都有这样一个性质。即如果将自问题的最优解和我们所做的贪心选择联合起来，可以得出原问题的一个最优解。

 

二、贪心选择的关键特点

a) 一个全局最优解可以通过局部最优（贪心）的选择来得到。

b) 和动态规划的不同：动态规划每一步都要做出选择，并且这些选择依赖于子问题的解。所以动态规划一般是自底向上的。

 

三、最优子结构

一个问题的最优解包含了子问题的最优解。

评价动态规划以及贪心算法可应用性进行评估的关键一点。

 

四、贪心算法和动态规划的区别：

0-1 背包问题 和 部分背包问题

 

0-1背包

最优子结构

假设有个方案使得背包负重范围内的价值最高，那么从背包中拿掉某样物品，并将负重减掉该物品的重量。包中剩余的物品在背包剩余的负重中包含的物品价值依然是最高。

一个递归解

设重量为W的物品，对于集合S={S1,S2 ... Sn}，最大的价值为,物品j的价值为,重量为

有：

= {	max{ + }   (Wj <= W)
	0  (当S只包含一个元素Sj,并且W < wj 时,                        或者W=0,或者W < )
	(当S只包含一个元素Sj,并且W >= wj 时)

 

 

递归实现:

 #include "stdafx.h" #include "ZOBag.h" using namespace std; int ZOBag::recuZOBag(queue<Goods>* goodsList, int w) { if (w == 0 || goodsList->empty()) { return 0; } if (goodsList->size() == 1) { Goods goods = goodsList->front(); if (w < goods.getWeight()) { return 0; } else { return goods.getPrice(); } } int maxPrice = 0; for (int i = 0; i < goodsList->size(); i++) { int calcPrice = 0; Goods goods = goodsList->front(); // 删除选择的商品组成一个新的集合 goodsList->pop(); // 如果剩余负重不能承载这个商品，忽略包含这个商品选择的运算 if (w < goods.getWeight()) { goodsList->push(goods); continue; } else { // 计算新的集合的最大价值 calcPrice = recuZOBag(goodsList, w - goods.getWeight()) + goods.getPrice(); // 将删除商品加入集合中 goodsList->push(goods); } if (calcPrice > maxPrice) { maxPrice = calcPrice; } } return maxPrice; }

 

动态规划实现:

感觉这个问题子问题的解的可复用不高,怎么考虑都要M*N² 的运行时间,不知如何实现O(N W) 的运行时间