C++(数据结构与算法)76:---贪婪算法(贪心算法)
其他
2020-03-16 16:09:48
阅读次数: 0
一、最优化问题
- 本文及后面介绍的算法例子都是“最优化问题”。每个最优化问题都包含一组“限制条件”和一个“优化函数”。符合限制条件的问题求解方案称为“可行解”。使优化函数可能取得最佳值的可行解称为“最优解”
二、贪婪算法思想
- 在贪婪算法中,我们要逐步构造一个最优解。每一步,我们都在一定的标准下,作出一个最优决策。在每一步做出的决策,在以后的步骤中都不可更改。做出决策所依据的标准称为贪婪准则
三、实际应用之找零钱
问题描述
- 顾客用美元来购买糖果,售货员希望用数目最少的硬币找给小孩零钱。假设有面值为25美分、10美分、5美分以及1美分的硬币,而且数目不限
- 售货员每次选择一枚硬币,凑成要找的零钱。选择时所依据的是贪婪准则:在不超过要找的零钱总数的条件下,每一次都选择面试尽可能最大的硬币,直到凑成的零钱总数等于要找的零钱总数
- 问题描述:假设要找给顾客67美分
贪婪算法解决步骤
- 假设要找给顾客67美分:
- 前两步选择的是两个25美元的硬币(第三步就不能选择25美元了,否则总数就超过67美分了)
- 第三步选择10美分的硬币
- 第四步选择5美分的硬币
- 最后一步是两个1美分的硬币
- 贪婪算法使我们有一种感觉:这样凑出来的零钱,硬币数目最少或接近最少
四、实际应用之机器调度
应用分析
- 有任务n个,机器不限,任务在机器上处理。每个任务的开始时间为Si,任务的完成时间为Fi,Si<Fi。[Si,Fi]为任务i的处理时段
- 任务重叠:两个任务i和j重叠,当且仅当两个任务的处理时段有重叠。例如时段[1,4]与时段[2,4]有重叠,而[1,4]与时段[4,7]不算重叠
- 一人任务分配方案是可行的:是指没有两个时段重叠的任务分配给同一台机器,即每台机器在任何时刻最多只处理一个任务
- 最优分配:是指使用机器最少的可行分配方案
实际问题描述
- 假设n=7个任务,标号从a到g,它们的处理时段如下图所示:
- 问题描述:机器不限,现在要把这个7个任务分配到机器上运行,且要求总共使用的机器数目是最少的(时间不做要求)
贪婪算法解决步骤
- 贪婪准则步骤:根据任务的开始时间,若有“旧”机器可用,则将任务分配给它。否则,将任务分配给一台“新”机器
- 旧机器是指:已经被使用过的
- 新机器:重来没有被使用过的机器
- 根据任务的开始与结束时间,最终的执行结果如下图所示,所有的任务总在执行的过程中,共使用过3台机器
五、实际应用之最短路径
问题描述
- 一个有向网如下图所示,图中的数字代表两个节点之间的距离
- 现在有这样一个需求:从某一个点开始达到另外一个点,每一步都向路径上加入一个订单。假设当前的路径已经达到顶点q,但还未达到终点。要求下一次选择路径时:选择一个关联于q最近,且目前不在路径中的顶点
贪婪算法解决步骤
- 假设从顶点1达到顶点5,贪婪算法的解决办法为:
- 第一步选择1->3的路径,长度为2
- 第二步选择3->2的路径,长度为2
- 第三步选择4->2的路径,长度为1
- 第四步选择2->5的路径,长度为5
- 因此总共的长度为10
- 备注(重点):根据问题描述与贪婪算法,最终选择出的路径为10,但是不是最短路径(不是最优的)。例如可以执行1->4->5这条路径,长度总共为6。因此贪婪算法不一定是最优解
六、其他案例
七、一些其他属于概念
- 通过上面一些问题可以知道,贪婪法则虽然不能保证最优解(例如上面的最短路径问题),但是一般情况下它的解总是接近最优的。这是一种经验法则。所得的结果通常都接近最优解,这种算法称为“启发式方法”
- 如果启发式方法与最佳犯法之间还有一种限定关系,那么我们我们称这种启发式方法具有“限定性能”
- 具有限定限定性能的启发式方法称为“近似算法”
八、贪婪算法实际应用
发布了1525 篇原创文章 ·
获赞 1085 ·
访问量 45万+
转载自blog.csdn.net/qq_41453285/article/details/104439879