一般实际生活中我们遇到的算法分为四类:
一>判定性问题
二>最优化问题
三>构造性问题
四>计算性问题
而今天所要总结的算法就是着重解决 最优化问题
《算法之道》对三种算法进行了归纳总结,如下表所示:
标准分治 | 动态规划 | 贪心算法 | |
适用类型 | 通用问题 | 优化问题 | 优化问题 |
子问题结构 | 每个子问题不同 | 很多子问题重复(不独立) | 只有一个子问题 |
最优子结构 | 不需要 | 必须满足 | 必须满足 |
子问题数 | 全部子问题都要解决 | 全部子问题都要解决 | 只要解决一个子问题 |
子问题在最优解里 | 全部 | 部分 | 部分 |
选择与求解次序 | 先选择后解决子问题 | 先解决子问题后选择 | 先选择后解决子问题 |
分治算法特征:
1)规模如果很小,则很容易解决。//一般问题都能满足
2)大问题可以分为若干规模小的相同问题。//前提
3)利用子问题的解,可以合并成该问题的解。//关键
4)分解出的各个子问题相互独立,子问题不再包含公共子问题。 //效率高低
【一】动态规划:
依赖:依赖于有待做出的最优选择
实质:就是分治思想和解决冗余(各子问题不相互独立,各子问题包含公共的子子问题,对每个子子问题只求解一次,将其结果保存在一张表中,避免重新计算)。
自底向上(每一步,根据策略得到一个更小规模的问题。最后解决最小规模的问题。得到整个问题最优解)
特征:动态规划任何一个i+1阶段都仅仅依赖 i 阶段做出的选择。而与i之前的选择无关。但是动态规划不仅求出了当前状态最优值,而且同时求出了到中间状态的最优值。
【二】贪心算法:
依赖:依赖于当前已经做出的所有选择(所做的选择看起来都是当前最佳的,期望通过所做的局部最优选择来产生一个全局最优解)。
【三】分治算法:
实质:递归求解(各子问题要互相独立)
--------------------------------------------我是分割线---------------------------------------------------
动态规划每一步都要做出选择,这些选择依赖于子问题的解,因此一般是自底向上,从小问题处理至大问题;
贪心算法所做的当前选择依赖于已经做出的选择,不依赖于子问题,所以一般是自顶向下,将问题归结为更小的问题;
贪心问题的实质是证明每一步做出的选择是最优的选择;其适应贪心选择后,将问题变为一个更小的、相似的问题。
通常对数据进行处理或者选择适合的数据结构会使贪心算法更加高效。