搜索
1.引言：贪心法是一种改进了的分级处理方法。用贪心法设计算法的特点是一步一步地进行，每一步上都要保证能获得局部最优解。每一步只考虑一个数据，它的选取满足局部优化条件。若下一个数据与部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据枚举完，或者不能再添加为止。这种能够得到某种度量意义下的最优解的分级处理方法称为贪心法。贪心算法总是做出在当前看来是最优的选择，也就是说贪心算法并不是从整体上加以考虑，它所做出的选择只是在某种意义上的局部最优解，而许多问题自身的特性决定了该题运用贪心算法可以得到最优解或较优解。2.贪心算法的基本思想及存在问题贪心法的基本思想：从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到某算法中的某一步不能再继续前进时，算法停止。1.建立数学模型来描述问题。2.把求解的问题分成若干个子问题。3.对每一子问题求解，得到子问题的局部最优解。4.把子问题的解局部最优解合成原来解问题的一个解。3.活动安排问题：3.1贪心算法解决活动安排问题学校举办活动的安排问题是用贪心算法有效求解的一个很好例子。活动安排问题要求安排一系列争用某一公共资源的活动。用贪心算法可使尽可能多的活动能兼容的使用公共资源。设有n个活动的集合｛0，1，2，…，n-1｝，其中每个活动都要求使用同一资源，如会场等，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starti和一个结束时间endi，且startiendi。如选择了活动i，则它在半开时间区间[starti,endi）内占用资源。若区间[starti,endi)与区间[startj,endj)不相交，称活动i与活动j是相容的。也就是说，当startj≥endi或starti≥endj时，活动i与活动j相容。活动安排问题就是在所给的活动集合中选出最大的相容子活动集合。设各活动的起始时间和结束时间存储于数组start[]和end[]中，不失一般性，假设结束时间安非递减排列：end[0]≤end[1]≤…≤end[n-1]。算法中用集合a来存储所选择的活动。活动i被选择当且仅当a[i]的值为true。变量j记录最近一次选择的活动。设j是当前最近选择的活动，也就是所选择的活动中编号最大的活动，即：j=max{i|0≤in,a[i]=true}算法开始选择活动0，并将j初始化为0.然后依次检查活动i是否与当前已选择的所有活动相容。如相容则安排活动i，否则不安排活动i，再继续检查下一活动与所有已选择活动的相容性。由于k是当前已选择活动的最大结束时间，故活动i与当前所有选择活动相容的充分且必要条件是其开始时间start[i]不早于最近选择的活动j的结束时间end[j]，即start[i]≥end[j]。若活动i满足此条件，则活动i被选择，因而取代活动j的位置。由于活动是以其完成时间的非减序排列的，所以算法每次总是选择具有最早完成时间的相容活动i。这种方法选择相容活动就使剩余活动留下尽可能多的时间。也就是该算法的贪心选择的意义是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。3.2活动安排实例设待安排的11个活动的开始时间和结束时间按结束时间的非减序排列如下：i1234567891011Starti130535688212Endi4567891011121314算法的计算过程如下图所示。图中每行相应于算法的一次迭代。阴影长条表示的活动是已选入集合的活动，而空白长条表示的活动是当前正在检查相容性的活动。若被检查的活动i的开始时间starti小于最近选择的活动j的结束时间endj，则不选择活动i，否则选择活动i加入集合中。选择的活动有：1，4，8和11。6.结束语贪心策略是指从问题的初始状态出发，通过若干次的贪心选择而得出最优值(或较优解)的一种解题方法，本文通过活动安排问题这一经典案例对贪心算法进行简要分析，利用图表给出较直观实例，得到了贪心算法是一种高效算法的结论。