研究生课程 算法分析-贪心法

贪心法的思想

在求解一些最优化问题的时候，一般会分成多个步骤，每一步都有一个选择。贪心算法的思想在于，先不从整体考虑，每次都只做当前看来最优的思想，即局部最优解，期望通过一步步的局部最优解，最后构造出全局最优解。

贪心算法是很多问题的最优解，当然也有很多问题只是局部最优，或者近似最优解，在构造贪心算法的时候，要注意贪心选择是否能求出最后的最优解。

贪心算法的基本要素

最优子结构性质

一个问题的最优解包含其子问题的最优解，那么此问题具有最优子结构性质。前面的分治法，动态规划和此篇的贪心法，都具有最优子结构性质。

贪心选择性质

问题的整体最优解可以通过一些列局部最优的选择（贪心选择）来达到。因此贪心算法和分治法一样，都是自顶向下的思想。

贪心法的例子

0-1 背包问题

背包容量为 $C$，共 $n$ 个物品，物品 $i$ 的（重量，价值）=（$w_i$, $v_i$），求解背包装载的最大值。

贪心算法无法求出最优解。如果先按照单位价值最大排序，尽量装满背包，有时候得到的结果也近似最优解。

背包问题

和 0-1 背包不同的是，物品可以部分装载到背包中去。因此只要贪心地按照单位价值较大的物品顺序装满背包即可。

最优装载

轮船的载重量为 $C$，物品 $i$ 的重量为 $W_i$，求解在体积不受限制的情况下，把最可能多的集装箱装上轮船。

可以用贪心的思想，把质量轻的物品优先装载。

哈夫曼编码

前缀码：任何一个字符的编码都不是其他字符编码的前缀（编码都是叶节点即可）
最优前缀码：使平均码长达到最小的前缀码
哈夫曼编码：自底向上构造表示最优前缀码的二叉树 T

贪心地合并两个具有最小频率的节点，并每次把合并后的节点加入到优先队列（最小堆）中去。
初始化优先队列O(n)，最小堆的 removeMin 和 put 需要 O(logn)

单源最短路径

单源最短路径要解决的问题，是计算图中某个点到其他所有点的最短路径。形式化定义如下：假设带权有向图 G=(V,E)，每条边的权都是非负实数，给定一个顶点，称为 源。计算从源到其他顶点的最短路长度，称单源最短路径问题。

如果边的权重都是非负的，一般用 Dijkstra 的贪心算法解决，效率较高。如果不是非负的，可以用 Bellman-Ford 算法，或者用其队列优化的改进版本，SPFS 算法。我有四篇博文讲了单源最短路径问题和这三种算法，不太详细，有空我会整理一下。我又开始挖坑了。。。

对了 Dijkstra 算法涉及优先队列和广度优先算法，还是值得一看的。

最小生成树

先定义这个问题，假设图 Ｇ 的子图 Ｇ’ 是包含所有顶点的树，那么 G’ 是图 G 的生成树，树上的总权重是该生成树的耗费，耗费最小的生成树称为 G 的最小生成树（MST，Minimum Spanning Tree）。

要计算最小生成树，可以利用贪心算法，一种是 Prim 算法，贪心地把点加入到一个集合，更新总权重；另一种是 Kruskal 算法，贪心地把圈中最小的边加入到 MST 中。

Prim 算法

思想是从一个点开始拓展，构成最小生成树（MST），每次找到剩下的点中与 MST 连接的权重最小的边 c[i][j]，贪心地加入到 MST 中。

Kruskal 算法

先把边从大到小排序，贪心策略是权重小的边优先，这样把边一个个地加到 MST 中来；注意如果边在同一个连通分支中，就不能加入 MST 中，因为会构成闭环。

Kruskal 算法要用到并查集，计算时间复杂度为 $O(e log e)$，比 Prim 算法的 $O(n^2)$ 要差一点，但是如果是稀疏图，边数比点数的平方少很多，那么 Kruskal 算法比 Prim 算法要好很多。

多机调度问题

多级调度问题是说，有 $n$ 个作业，想用 $m$ 台机器来完成，可以用“最长处理时间作业优先”的贪心策略

贪心算法的理论基础

拟阵，是个啥？？【黑人问号.jpg】