算法复习_贪心算法

贪心算法

能够用贪心算法解决的问题，也展现两大性质：

• 最优子结构
• 贪心选择性质

最优子结构性质与dp类似，不再赘述。

贪心选择性质：当我们去做决定时间，要确保是目前最好的决定。通过选择局部最优解以期望得到全局最优解。

这就需要我们证明当要做选择时，最优解的其中一个是贪心选择，因此，选择贪心解才是安全的。除了贪心选择之外，其他子问题都是空的。

活动选择问题

输入n个活动的集合S$a_1,a_2,\dots ,a_n$,以及每个活动的开始时间和结束时间$s_i,f_i$。输出最大数量的可选活动的集合。

当两个活动的时间间隔不重叠时则这两个活动是相容的。

假设活动被按照结束时间进行排序，假设一个最优解包括了活动$a_k$,这产生了两个子问题。

• 从$a_1,a_2,\dots ,a_{k-1}$中选择彼此兼容的活动，并且结束时间要比$a_k$的开始时间早；
• 从$a_{k+1},\dots ,a_n$中选择彼此兼容的活动，并且开始时间要比$a_k$的结束时间晚。

我们同样可以利用”剪切-粘贴“法证明两个子问题的解同样是最优的。

令$s_{ij}$为S中活动的子集，这些活动开始的时间比$a_i$结束的时间晚，并且结束的时间比$a_j$开始的时间早。我们的目的就是在$s_{ij}$中选出最大数量的互相相容的活动。

让c[i,j]为$s_{ij}$中互相相容活动的最大数量。

dp解法
c [ i , j ] = { 0 s i j = ϕ m a x { c [ i , k ] + c [ k , j ] + 1 } s i j ! = ϕ c[i,j] = \left\{ \begin{matrix} 0 \quad s_{ij} = \phi \\ max\{c[i,k] + c[k,j] + 1 \} \quad s_{ij} !=\phi \end{matrix} \right. c[i,j]={0sij​=ϕmax{c[i,k]+c[k,j]+1}sij​!=ϕ​
但是在活动选择问题中，具有贪心选择性质。

定理：如果S是按照结束时间排序的活动选择问题，那么S中存在最优集合A使得第一个结束的活动在A中。

证明：假设am是集合S中结束最早的活动，A为S的一个最大兼容子集。aj是A中结束最早的活动。如果am==aj则已经证明。如果不相等，则可以构造一个新的最大兼容子集A’，将A中的aj替换成am，已知A中活动相互兼容，而fj<fm。所以A‘中的活动也相互兼容。并且|A|=|A’|。因此我们成功构造了一个包含最早结束活动的最大兼容子集A’，得证。

因此，我们可以递归的使用贪心选择法解决此问题，并且除了贪心选择的子问题之外其他子问题都是空的。以此问题为例，因为s1<f1且f1是最早结束的活动，所以不会有活动结束的时间早于s1。因此，所有与a1兼容的活动都是在a1结束之后才开始的。

Recursive_Activity_Selector(s,f,i,j)
m <- i+1
while m<j and s[m] < f[i]
	do m <- m+1 //s[m] >= f[i]
if m < j
	then return {am} and Recursive_Activity_Selectors(s,f,m,j)
else return none

时间复杂度$\Theta (m)$

迭代贪心算法：

GREEDY_ACTIVITY_SELECTOR(s,f)
n<- length(s)
A<- {a1}
i<-1
for m <- 2 to n
	if s[m] >= f[i]
		A <- A and {am}
		i <- m
return A

贪心算法的典型步骤:

• 将最优化问题转换为这样的形式：对其做出一次选择之后，只剩下一个子问题待解决。
• 证明做出贪心选择之后，原问题总是存在最优解，即贪心选择是安全的。
• 证明做出选择之后，剩余的子问题满足性质：最优解与贪心组合即可得到问题的最优解

分数背包问题

证明分数背包问题具有贪心选择性质：
https://blog.csdn.net/u010339647/article/details/50588499

找零钱问题

给定零钱的币值，使得其组合等于n并且用的硬币数量最小。

贪心选择：永远选择币值最大的，并不是都正确。

dp:
令c[p]为找零p元所需要的硬币最少数量。x为最优解中使用的第一个硬币的值。

因此c[p] = 1 + c[p-x]。尝试所有可能的x找到最小的。
c [ p ] = { m i n i : d i < p { c [ p − d i ] + 1 } p > 0 0 p = 0 c[p] = \left\{ \begin{matrix} min_{i:d_i<p} \{c[p-d_i] + 1\} \quad p > 0 \\ 0 \quad p =0 \end{matrix} \right. c[p]={mini:di​<p​{c[p−di​]+1}p>00p=0​

Dp_change(n)
c[0] = 0
for p = 2 to n
	min = maxn
	for i=1 to k
		if (d[i] <= p)
			if (c[p-d[i]+1<min)
				min = c[p-d[i]] +1
				coin = i
	c[p] = min
	s[p] = coin

时间复杂度$O(nk)$

什么时候才可以进行贪心选择？

需要证明：

哈夫曼编码树

给文本编码需要满足的条件：尽可能使用少的编码长度，满足前缀码性质。

最佳前缀码

一种前缀编码的平均长度是所有符号的长度乘以他的频率之和。
$$ABL(C)=\sum _{x\in S}{f}_x|c(x)|$$
我们要做的就是使其最小。

因此采用哈夫曼编码树，它是一棵满二叉树，除了叶节点都有两个子节点。它使用的贪心思想是使得频率越高的节点越靠近根节点。

Huffman(S) 
	if |s|=2
		设置一个根节点连接两个叶节点返回
	else
		选出S中两个频率最小的节点y and z
		s' = s
		将y和z从s'中删去
		在s'中插入新的字母w，使得w的频率等于y和z之和
		给T‘的叶节点w加上孩子节点y和z并赋值给T
		返回T

T(n) = T(n-1) + O(n) (每次去两个点加一个新的点)

时间复杂度$O(n^2)$

如何找到频率最小的两个节点： 单调队列，时间复杂度$O(nlogn)$

证明哈夫曼编码的正确性（具有最优子结构和贪心选择性质）

参考算法导论：P248-249 （偷个懒，太长了）