【算法设计与分析】活动安排问题（动态规划和贪心算法）

一、活动选择问题描述

假设我们存在这样一个活动集合S={a1,a2,a3,a4,...,an}，其中每一个活动ai都有一个开始时间si和结束时间fi保证(0≤si<fi)，活动ai进行时，那么它占用的时间为[si,fi)。现在这些活动占用一个共同的资源，就是这些活动会在某一时间段里面进行安排，如果两个活动ai和aj的占用时间[si,fi)，[sj,fj)不重叠，那么就说明这两个活动是兼容的，也就是说当si<=fj或者sj<=fi，那么活动ai，aj是兼容的。

比如下面的活动集合S: 
我们假定在这个活动集合里面，都是按照结束时间fi进行升序排序的 
即：

                                          

从上面可见，我们观察可得兼容子集有{a3,a9,a11}，但是这个并不是最大兼容子集，因为{a1,a4,a8,a11}也是这个活动的最大兼容子集，于是我们将活动选择问题描述为：给定一个集合S={a1,a2,a3,...an}，在相同的资源下，求出最大兼容活动的个数。
 

二、采用动态规划算法分析

在开始分析之前，我们首先定义几种写法 
- Sij表明是在ai之后aj之前的活动集合。 
- Aij表明是在ai之后aj之前的最大兼容子集的集合。

即如下图所示 ：

                               

 

我们假设在活动集合Sij中，其最大兼容子集为Aij，Aij之中包含活动ak,因为ak是在最大兼容子集里面，于是我们得到两个子问题集合Sik和Skj。令Aik=Aij∩Sik和Akj=Aij∩Skj，这样Aik就包含了ak之前的活动的最大兼容子集，Akj就包含了ak之后的最大活动兼容子集。 

因此我们有Aij=Aik∪{ak}∪Akj。

Sij里面的最大活动兼容子集个数为|Aij|=|Aik|+|Akj|+1。

我们可以得到动态规划的递归式子： c[i,j]=c[i,k]+c[k,j]+1

即：     

 

三、采用贪心算法分析

将活动按照结束时间进行从小到大排序。然后用i代表第i个活动，s[i]代表第i个活动开始时间，f[i]代表第i个活动的结束时间。按照从小到大排序，挑选出结束时间尽量早的活动，并且满足后一个活动的起始时间晚于前一个活动的结束时间，全部找出这些活动就是最大的相容活动子集合。事实上系统一次检查活动i是否与当前已选择的所有活动相容。若相容活动i加入已选择活动的集合中，否则，不选择活动i，而继续下一活动与集合A中活动的相容性。若活动i与之相容，则i成为最近加入集合A的活动，并取代活动j的位置。

由于输入的活动以其完成时间的非减序排列，所以算法greedySelector每次总是选择具有最早完成时间的相容活动加入集合A中。直观上，按这种方法选择相容活动为未安排活动留下尽可能多的时间。也就是说，该算法的贪心选择的意义是使剩余的可安排时间段极大化，以便安排尽可能多的相容活动。算法greedySelector的效率极高。当输入的活动已按结束时间的非减序排列，算法只需O(n)的时间安排n个活动，使最多的活动能相容地使用公共资源。如果所给出的活动未按非减序排列，可以用O(nlogn)的时间重排。