算法设计与分析第4章

GreedySelector(n, s[], f[], A[]) A[1] = true //最优解以e1开始 j = 1 //标记新加入的活动 for i = 2 to n do //扫描剩余活动 if s[i] ≥ f[j] //是否可行 若活动i的开始时间 小于新加入的活动j A[i] = true 的结束时间，则不选 择活动i，否则选择 j = i //更新 新加入的活动 活动i加入集合A中 else A[i] = false //扫描下一个活动
v0 10 v1 30 15 20 v2 10 v3 10 4 v4
应用：OSPF(Open Shortest Path First)IP 路由协议，通过该算法可以得到有关网 络节点的最短路径树，然后由最短路径 优先树得到路由表。
• Dijkstra’s algorithm
– It is a graph search algorithm that solves the single-source shortest path problem for a graph with non-negative edge path costs, producing a shortest path tree. – Shortest paths from v0 to all of the other vertices are found one by one. 30 15 20
A(1) A(2) … A(n)
贪心选择策略下的部分最优解
贪心算法的基本思想
• 贪心算法的特点是每个阶段所作的选择都是局部 最优的，它期望通过所作的局部最优选择产生出 一个全局最优解。
– 动态规划：每个阶段产生的都是全局最优解
• 第i阶段的“全局”： 问题空间为(a1, … , ai) • 第i阶段的“全局最优解”：问题空间为 (a1, … , ai)时的最优解
∞
30 30 30 30
∞ ∞
• 设E={e1,e2…en}是按结束时间排序的活动集合，则 e1具有最早的结束时间。 • 证明：每次选择结束时间最早的活动能够得到整 体最优解，即该问题具有贪心选择性质。
– 首先，证明该问题有一个最优解以贪心选择开始，即 该最优解中包含e1。
• 设A是所给活动安排问题的一个最优解，且A中活动也按结束时 间非减序排列，A中的第一个活动是ek。 • 若k=1，则A就是一个以贪心选择开始的最优解。 • 若k>1，则我们设B=A-{ek}∪{e1}。由于f1≤fk，且A中活动是互为 相容的，故B中的活动也是互为相容的。又由于B中活动个数与 A中活动个数相同，且A是最优的，故B也是最优的（最大相容 子集合）。
i =1
n
i i
≤c
• 贪心选择策略
– 重量最轻者先装
• 证明采用重量最轻者先装能够得到整体最优解，即 该问题具有贪心选择性质。
– 设集装箱已按其重量从小到大排序，且(x1,x2,…,xn)是最优 装载问题的一个最优解。
设k = min{i | xi = 1}
1≤i ≤ n
x1 0
– 当k=1时，(x1,x2,…,xn)是一个满足贪心选择性质的最优解 – 当k>1时 yi=xi y1 yi=xi yk xk … All 0 1 … 1 … All 0 0 …
第四章 贪心算法
(Greedy)
背包问题
• 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。
约束条件
∑w x
i =1
n
i i
=c
n
装满背包
目标函数 解向量
d = max ∑ vi xi
i =1
X = {x1 , x2 ,..., xn }
Xi ∈[0,1]
•
– – –
如何选择物品装入的优先级（贪心策略）？
贪心选择性质
• 对于一个具体问题，要确定它是否具有贪心选择 性质，我们必须证明每一步所做的贪心选择最终 导致问题的一个整体最优解。
– 数学归纳法 • 证明最优解以贪心选择开始（即第一步）。首先考 察问题的一个整体最优解，并证明可修改这个最优 解，使其以贪心选择开始。 • 假设第i步贪心选择能够得到整体最优解，那么证明 第i+1步贪心选择也能得到整体最优解。
v0 10 v1
v2 10 v3
4 v4 10
v0 10 v1 15 20
v2
4 v4
v3
v0 10
30 15
v2 10 v3
4 v4 10
• 贪心选择策略
v1
– 设置一个顶点集合S并不断地作贪心选择来扩充 这个集合。一个顶点属于集合S当且仅当从源到 该顶点的最短路径长度已知。
• 设u是G的某一个顶点，我们把从源到u且中间只经 过S中顶点的路称为从源到u的特殊路径。
价值贪心策略：优先选择价值最大的物品。
• • 如果所选择的物品重量很大，使得背包载重的消耗速度太快 不能保证目标函数的值快速增加
重量贪心策略：优先选择重量最小的物品。 价值重量比策略：将物品按单位重量价值降序排序， 从第一项开始装背包，然后是第二项，依次类推，尽 可能的多放，直到装满背包。
• 优先选择既使目标函数的值增加最快，又使背包载重的消耗 较慢的物品
– 因此，(y1,y2,…,yn)是一个满足贪心选择性质的最优解。
• 证明原问题的最优解包含了子问题的最优 解，即该问题具有最优子结构性质。
– 设(x1,x2,…,xn)是最优装载问题的一个满足贪心选 择性质的最优解，则x1=1，(x2,…,xn)是轮船载重 为c-w1且待装船集装箱为{2,3,…,n}时相应最优装 载问题的一个最优解。
• 在动态规划算法中，每步所做的选择往往依赖于 相关子问题的解，因而只有在解出相关子问题后， 才能做出选择。
根据子问题的解进行选择
• 而在贪心算法中，仅在当前状态下做出最好选择， 即局部最优选择，然后再去解做出这个选择后产 生的相应的子问题。
先选择，再得到子问题的解
动态规划的解题框架
贪心算法的解题框架
贪心算法的基本要素
• 贪心选择性质：所求问题的全局最优解可 以通过一系列局部最优的选择（即贪心选 择）来达到。
– 这是贪心算法与动态规划算法的主要区别。
• 最优子结构性质：当原问题的最优解包含 子问题的最优解时，称此问题具有最优子 结构性质。
– 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。
– 然后，假设第i步贪心选择能够得到整体最优解，那么 证明第i+1步贪心选择也能得到整体最优解。
• 证明：原问题的最优解包含子问题的最优解，即 该问题具有最优子结构性质。
– 在贪心选择了e1后，原问题就简化为对E中所有与e1相 容的活动进行活动安排的子问题。即若A是原问题的一 个最优解，则A’=A-{e1}是活动安排问题E’={i∈E: si≥f1}的 一个最优解。 – 如若不然，假设我们找到E’的一个解B’，它包含比A’更 多的活动，则将e1加入到B’中将产生E的一个解B，它包 含比A更多的活动。这与A的最优性矛盾。
活动安排问题
• 要求高效地安排一系列争用某一公共资源（例如 会议室）的活动（使尽可能多的活动能兼容使用 公共资源）。
– 设有n个活动的集合E={e1,e2…en}，其中每个活动都要求 使用同一资源，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ei和ej是相容的。 也就是说，当si≥fj或sj≥fi时，活动i和活动j相容。 • 活动安排问题就是要在所给的活动集合中选出最大的相容 活动子集合。
最优装载
• 有一批集装箱要装上一艘载重为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， 应如何装载才能将尽可能多的集装箱装上 轮船。 • 形式化描述为： xi ∈ {0,1}, 1 ≤ i ≤ n 解向量
max ∑ xi
i =1 n
目标函数 约束条件
∑w x
设u为最近加入S的顶点，L(w)表示当前发现的从v0到w的最短距 离，c(u,w)表示u到w的边的长度，则L(w)需要依照以下公式更新： L(w)=min(L(w), L(u)+c(u,w)) S v0 v0, v1 v0,v1,v2 v0,v1,v2,v4 v0,v1,v2,v4,v3 u v1 v2 v4 v3 L(v1) 10 10 10 10 10 L(v2) 30 25 25 25 25 L(v3) L(v4)
• 贪心选择策略
– – – – – 选择具有最早开始时间的活动？ 选择具有最早结束时间的活动？ 选择具有最少占用时间的活动？ 选择覆盖未选择活动最少的活动？ ……
• 直观上，每次选择具有最早结束时间的相容活动，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。 • 对于活动安排问题，每次选择具有最早结束时间的活动能 够得到整体最优解，即它最终所确定的相容活动集合A的 规模最大。
各活动的起始时间 和结束时间存储于 数组s和f中且按结束 时间的非减序排列
例题
设待安排的11个活动按结束时间的非减序排列如下：
i S[i] f[i]
1 1 4
2 3 5
3 0 6
4 5 7
5 3 8
6 5 9
7 6
8 8
9 8
10 11 2 12
10 11 12 13 14
• 算法分析
– 算法的效率很高。当输入的活动已按结束时间 非减序排列时，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)的时间预排序(pre-sorting)。