【贪心法】动态规划详解+范例+习题解答
🦄1.贪心法
1.1贪心法重要特征
- 用局部最优代替整体最优
- 往往简单,且高效
- 并非总能得到最优解
贪心法:用局部最优代替整体最优 - 不同贪心准则得到的解很可能不同
- 贪心算法并不总能求得问题的整体最优解
有解必有贪心解
1.2 贪心算法
- 贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局最优选择;
- 贪心算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解。
- 许多时候,即使贪心算法不能得到整体最优解,其最终结果却是最优解的很好近似。
- 当满足最优子结构性质和贪心选择性质时,贪心算法得到的解是整体最优解。
- 当贪心算法无法得到整体最优解时,其结果可能是最优解的很好近似
- 当贪心算法无法得到整体最优解时,其结果可能不是最优解的很好近似
== 当待求解问题满足最优子结构性质和贪心选择性质时,贪心策略所求的解一定是整体最优解==
顾名思义,贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局部最优选择。希望贪心算法得到的最终结果是整体最优的。贪心算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解。 在一些情况下,即使贪心算法不能得到整体最优解,其最终结果却是最优解的很好近似。
1.3贪心算法的基本要素
贪心算法求解的问题中看到这类问题一般具有2个重要的性质:最优子结构性质和贪心选择性质。
✨最优子结构性质✨
当一个问题的最优解包含其子问题的最优解时,称此问题具有最优子结构性质。问题的最优子结构性质是该问题可用动态规划算法或贪心算法求解的关键特征
✨贪心选择性质✨
所谓贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优的选择,即贪心选择来达到。这是贪心算法可行的重要要素。对于一个具体问题,要确定它是否具有贪心选择性质,必须证明每一步所作的贪心选择最终导致问题的整体最优解。
钞票为 50,30,20,1,情况下找60,如果选择50则是贪心选择
✨贪心准则✨
1.4贪心算法和动态规划算法的差异
贪心算法和动态规划算法都要求问题具有最优子结构性质,这是2类算法的一个共同点。
🦄2.范例
2.1 找回钞票问题
2.1.1 基本思想
贪心准则: 每次选择一张钞票,使得剩余金额最少
2.2 活动安排问题
选出给定活动集合的最大相容子集合
设有n个活动的集合E={1,2,…,n},其中每个活动都要求使用同一资源,如演讲会场等,而在同一时间内只有一个活动能使用这一资源。
每个活动i都有一个要求使用该资源的起始时间si和一个结束时间fi,且si <fi 。如果选择了活动i,则它在半开时间区间[si, fi)内占用资源。
若区间[si, fi)与区间[sj, fj)不相交,则称活动i与活动j是相容的。也就是说,当si≥fj或sj≥fi时,活动i与活动j相容
2.2.1 例题
例:设待安排的11个活动的开始时间s[i]和结束时间f[i]如下
找出最大数量的活动,使其在时间上互不相交
2.2.2准则
方法一准则:按开始时间先到先得
使当前空闲等待时间极小化
方法二准则:按结束时间先到先得
使剩余可安排时间段极大化
- 贪心算法并不总能求得问题的整体最优解
- 但对于活动安排问题,贪心算法2却总能求得的整体最优解,即它最终所确定的相容活动集合A的规模最大。
最优性证明👇
2.3 0-1背包问题和背包问题
-
0-1背包问题: 给定n种物品和一个背包。物品i的重量是Wi,其价值为Vi,背包的容量为C。应如何选择装入背包的物品,使得装入背包中物品的总价值最大?
🎈最优子结构性质: Aj=A-{j}是n-1个物品1,2,…, j-1,j+1,…,n可装入容量为C-Wj的背包的具有最大价值的物品集合。 -
背包问题: 与0-1背包问题类似,所不同的是在选择物品i装入背包时,可以选择物品i的一部分,而不一定要全部装入背包,1≤i≤n。
🎈最优子结构性质: 若它的一个最优解包含物品j,那么,从该最优解中拿出所含物品j的那部分重量w后】
🎈贪心准则: 优先装入单位重量价值ri高的物品
🎈用贪心法求解背包问题的时间复杂度 O(nlogn)
这2类问题都具有最优子结构性质,极为相似,但背包问题可以用贪心算法求解,而0-1背包问题却不能用贪心算法求解。
- 对于0-1背包问题,贪心选择之所以不能得到最优解是因为在这种情况下,它无法保证最终能将背包装满,部分闲置的背包空间使每公斤背包空间的价值降低了。事实上,在考虑0-1背包问题时,应比较选择该物品和不选择该物品所导致的最终方案,然后再作出最好选择。由此就导出许多互相重叠的子问题。这正是该问题可用动态规划算法求解的另一重要特征。
实际上也是如此,动态规划算法的确可以有效地解0-1背包问题
贪心算法解背包问题的基本步骤:
首先计算每种物品单位重量的价值Vi/Wi,然后,依贪心选择策略,将尽可能多的单位重量价值最高的物品装入背包。若将这种物品全部装入背包后,背包内的物品总重量未超过C,则选择单位重量价值次高的物品并尽可能多地装入背包。依此策略一直地进行下去,直到背包装满为止。
2.3.1伪代码
public static float knapsack(float c,float [] w, float [] v,float [] x)
{
int n=v.length;
Element [] d = new Element [n];
for (int i = 0; i < n; i++) d[i] = new Element(w[i],v[i],i);
MergeSort.mergeSort(d);
int i;
float opt=0;
for (i=0;i<n;i++) x[i]=0;
for (i=0;i<n;i++) {
if (d[i].w>c) break;
x[d[i].i]=1;
opt+=d[i].v;
c-=d[i].w;
}
if (i<n){
x[d[i].i]=c/d[i].w;
opt+=x[d[i].i]*d[i].v;
}
return opt;
}
算法knapsack的主要计算时间在于将各种物品依其单位重量的价值从大到小排序。因此,算法的计算时间上界为O(nlogn)。当然,为了证明算法的正确性,还必须证明背包问题具有贪心选择性质。
2.4最优装载【贪心时间复杂度O(nlogn)】
有一批集装箱要装上一艘载重量为c的轮船。其中集装箱i的重量为Wi。最优装载问题要求确定在装载体积不受限制的情况下,将尽可能多的集装箱装上轮船。
2.4.1 算法描述
最优装载问题可用贪心算法求解。采用重量最轻者先装的贪心选择策略,可产生最优装载问题的最优解。
贪心准则:重量最轻者先装
2.4.2伪代码
public static float loading(float c, float [] w, int [] x)
{
int n=w.length;
Element [] d = new Element [n];
for (int i = 0; i < n; i++)
d[i] = new Element(w[i],i);
MergeSort.mergeSort(d);
float opt=0;
for (int i = 0; i < n; i++) x[i] = 0;
for (int i = 0; i < n && d[i].w <= c; i++) {
x[d[i].i] = 1;
opt+=d[i].w;
c -= d[i].w;
}
return opt;
}
- 贪心选择性质
可以证明最优装载问题具有贪心选择性质。 - 最优子结构性质
最优装载问题具有最优子结构性质。
由最优装载问题的贪心选择性质和最优子结构性质,容易证明算法loading的正确性。算法loading的主要计算量在于将集装箱依其重量从小到大排序,故算法所需的计算时间为 O(nlogn)。
🦄3.习题
🦄4.书后习题
4-1,4-3, 4-5