0
点赞
收藏
分享

微信扫一扫

【LeetCode题目详解】第八章 贪心算法 part05 435. 无重叠区间 763.划分字母区间 56. 合并区间 (day36补)

止止_8fc8 2023-09-02 阅读 12

文章目录

贪心法

  • 贪心技术是一种设计算法的通用策略。
  • 贪心技术的基本思想:
    • 基于贪心选择准则,每次得到局部最优的选择。
    • 希望利用局部最后得到全局最优解。
    • 贪心选择性质:局部最优可以得到全局最优。
  • 找到正确的贪心选择准则是设计贪心算法的关键。
    • 不同的贪心选择准则可以得到不同的结果。

找零问题(change-making problem)

  • 给定无限多不同面额的硬币 d 1 > . . . > d m d_1>...>d_m d1>...>dm,对于总额 n n n,如何找到最少的硬币数目?
  • 问题:目标函数和约束条件是什么?

例如:

d 1 = 25 c , d 2 = 10 c , d 3 = 5 c , d 4 = 1 c ,而且 n = 48 c d_1=25c,d_2=10c,d_3=5c,d_4=1c,而且n=48c d1=25c,d2=10c,d3=5c,d4=1c,而且n=48c

但是:

  • 对大多数常用的硬币面额都可以得到最优解。
  • 对任意硬币面额,有可能不是最优解。

**那咋办呢。**是不是我的想法、我的策略设计的有问题呢?

那到底咋样弄,才能对于所有情况都能得到最优解呢?

我们可以用回溯法。(不是讲贪心吗,咋又说回溯了?——后面再说这个问题)


  • **贪婪法:**建议通过一系列步骤来构造问题的解,每一步对目前构造的部分解做一个扩展,直到获得问题的完全解。(完全解,不是最优解)
  • 必须满足:可行局部最优不可取消

贪心算法要求

  • 可行的:即它必须满足问题的约束。
  • 局部最优:它是当前步骤中所有可行选择中最佳的局部选择。
  • 不可取消:即选择一旦做出,在算法的后面步骤中就无法改变了。

  在每一步中,它要求“贪婪”地选择最佳操作,并希望通过一系列局部的最优选择,能够产生一个整个问题的(全局的)最优解。

基本思想

  • 从问题的某一个初始解出发,通过一系列的贪心选择(当前状态下的局部最优选择),逐步逼近给定的目标,尽可能快地求得更好的解。
  • 在贪心算法(greedy method)中也采用逐步构造最优解的方法。在每个阶段,都做出一个按某个评价函数最优的决策,该评价函数最优称为贪心准则(greedy criterion)。
  • 贪心算法的正确性,就是要证明按贪心准则求得的解是全局最优解。
  • 贪心算法不能对所有问题都得到全局最优解。
  • 但是对于许多问题,它能够产生全局最优解。如单源最短路径问题,最小生成树问题等。

适合求解问题的特征

  • **贪心选择性质:**可通过局部最优(贪心)选择达到全局最优解。
    • 通常以自顶向下的方式进行,每次选择后将问题转化为规模更小的子问题。
    • 该性质是贪心法使用成功的保障,否则得到的是近优解。
  • 最优子结构性质:问题的最优解包含它的子问题的最优解
    • 并不是所有具有最优子结构性质的问题都可以采用贪心策略。
    • 往往可以利用最优子结构性质来证明贪心选择性质。

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 W i W_i Wi,其价值为 V i V_i 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?

  • 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

0/1背包问题

  • 已知
    • 背包容量C>0
    • n个物品,体积 w i > 0 w_i>0 wi>0,价值 p i > 0   f o r   i = 1 , . . . , n p_i>0\ for\ i=1,...,n pi>0 for i=1,...,n
  • 确定 { 1 , 2 , . . . , n } \{1,2,...,n\} {1,2,...,n}的子集,满足:

m a x ∑ i ∈ A p i , s u b j e c t   t o   ∑ i ∈ A w i ≤ C max\sum_{i∈A}p_i,subject\ to\ \sum_{i∈A}w_i≤C maxiApi,subject to iAwiC

0/1背包问题——贪心法

  • 有以下几种贪心选择准则:

    • 最大价值优先——先选择最值钱的物品。
    • 最小体积优先
    • 最大体积优先
    • 最大单位价值优先

这四个规则都有一定道理,那我们该选哪种呢?选最大价值优先?选最大单位价值优先?

  • 没有一种方法能保证得到最优解

最大价值优先

image-20230901221752374

lb是重量单位,上面是价钱)

可见,最大价值优先,放进来的不一定是最优解。

最小体积优先

image-20230901221933373

可见,最小体积优先,放进来的也不一定是最优解。

最大体积优先

image-20230901222120953

可见,最大体积优先得到的也不一定是最优解。

最大单位价值优先

image-20230901222244231

可见,这个也不一定能得到最优解。


分数背包问题

  • 对于0/1背包问题,没有最优的贪心算法。
  • 分数背包问题:可以将第i个物品的一部分放入背包。
  • 对于分数背包问题,贪心算法是其不二选择,该算法基于最大单位价值的选择准则。(感觉有点类似于微积分里的微元思想)
  • 贪心算法过程:
    • 降序排序 v i / w i v_i/w_i vi/wi
    • 根据排序次序增加物品,直到这个物品装完,或是超出背包容量。
    • 如果背包没有满,选择下一个物品开始装。

最优解证明

  • 证明

  我们首先假设我们有一个最优解 A 1 A_1 A1,那么我们首先找到 A 1 A_1 A1里面平均价值最高的物品 a m a_m am,然后我们将用商品里面平均价值最高的物品 a 1 a_1 a1 a m a_m am进行全部替换或者部分替换得到解 A 2 A_2 A2,又因为 v 1 w 1 ≥ v m w m \frac{v_1}{w_1}≥\frac{v_m}{w_m} w1v1wmvm,所以 A 2 A_2 A2的总价值高于 A 1 A_1 A1的总价值,这与 A 1 A_1 A1是最优解矛盾,于是得到 A 1 A_1 A1里面包含平均价值最高的物品。


  • 小数背包问题还具有贪心选择性质,用贪心法求解更简单、更快速。
  • 0-1背包问题用贪心法求解不一定能得到最优解。

任务调度问题

  • 9个任务需要调度,每个任务运行时间为3,5,6,10,11,14,15,18,20
  • 有三个处理器执行这些任务。
  • 贪心准则:先运行时间最长的任务。

image-20230901225656081

image-20230901225708372

image-20230901225829341

这个解决方法不错,但是我们可能还可以有更好的策略。

  • 另一种贪心准则:优先运行最短任务

image-20230901230002189

image-20230901230054831

这个方式还不如刚才那个,这个需要花费40分钟。

最优解

image-20230901230149638

折腾半天都不是最好的,那我们看看最优解到底是什么样的,如上图所示。

  • 这个解为什么是最优的?

  但是,可见,若想得到这样的一种解。你要付出的代价就会很高了。

  有必要么,实际解决一个问题来说,这样去搞,可能没这个必要。你找到最优解了之后,最优解固然能够帮你节约时间;但是不要忽视了,你寻找这个最优解也要花时间。你为了找一个最优解去节约那一点点时间,然后你花了大量的时间在寻找到最优解上,得不偿失。

  实际上我就用一种贪心策略,去做,就拉倒了。虽然可能不是最优,但是接近最优差不多就行了。

  对于一些特殊的问题,贪心算法能直接找出其最优解,能直接获取最优解那当然更好了。

  总之贪心算法可能找到的不是最优解,而只是局部最优解;但是它的实现是很简单的,不会耗费太多时间。


  同时,我们在贪心,贪的过程中,也可以利用回溯法的思想,对一些没必要继续探讨下去的情况进行剪枝,而没必要全部贪到底、再去排除。也就是贪心法配合回溯法进行使用。

活动选择问题

image-20230902113155194

  • 这个就是活动选择问题。

image-20230902113312495

image-20230902113456345

image-20230902113650572

活动选择——贪心法

  • 贪心法选择准则:
    • 最早开始时间优先
    • 最小持续时间优先
    • 最早完成时间优先
  • 哪个准则更有效?

image-20230902113801677

image-20230902113836981

image-20230902113931701

image-20230902114012301

  • 需要证明贪心法的正确性。

最早结束时间优先——最优性证明

**定理:**如果活动 a 1 a_1 a1在所有活动中具有最早结束时间,则最优解中一定包含 a 1 a_1 a1

证明:

  • A A A是最优解, a 1 a_1 a1是贪心法选择的最早结束时间的活动。如果 a 1 ∈ A a_1∈A a1A,则定理得证。
  • 如果 a 1 ∉ A a_1∉A a1/A,我们证明 A ∗ = A − { a } + { a 1 } A^*=A-\{a\}+\{a_1\} A=A{a}+{a1}是另一个包含 a 1 a_1 a1的最优解,而 a a a A A A中具有最早结束时间的活动。
  • 因为活动的结束时间已排序好, f ( a 1 ) ≤ f ( a ) f(a_1)≤f(a) f(a1)f(a)。假设 f ( a 1 ) ≤ s ( a ) f(a_1)≤s(a) f(a1)s(a),如果我们把 a 1 a_1 a1加到 A A A,意味着 A A A不是最优的。所以 s ( a ) < f ( a 1 ) s(a)<f(a_1) s(a)<f(a1),并且 a 1 a_1 a1 a a a重叠。因为 f ( a 1 ) ≤ f ( a ) f(a_1)≤f(a) f(a1)f(a),如果我们移除 a a a添加 a 1 a_1 a1,可以得到另一个最优解 A ∗ A^* A包含了 a 1 a_1 a1 A ∗ A^* A是最优的,因为 ∣ A ∗ ∣ = ∣ A ∣ |A^*|=|A| A=A

**定理:**贪心子选择一定产生最优解。

证明:

  • a 1 a_1 a1是贪心算法选择的活动。
  • S ∗ S^* S是不与 a 1 a_1 a1重叠的活动子集

S ∗ = { a i ∣ i = 2 , . . . , n   a n d   s i ≥ f ( a 1 ) } S^*=\{a_i | i=2,...,n\ and\ s_i≥f(a_1)\} S={aii=2,...,n and sif(a1)}

  • B B B S ∗ S^* S的最优解。

  • S ∗ S^* S的定义可知, A ∗ = { a 1 } ∪ B A^*=\{a_1\}∪B A={a1}B是可行的,并且是原问题的解。

  • 利用反证法证明 A ∗ A^* A是最优解。

  • 假设 A ∗ A^* A不是最优解,令 A A A是包含 a 1 a_1 a1的最优解,则 ∣ A ∗ ∣ < ∣ A ∣ |A^*|<|A| A<A,且 ∣ A − { a 1 } ∣ > ∣ A ∗ − { a 1 } ∣ = ∣ B ∣ |A-\{a_1\}|>|A^*-\{a_1\}|=|B| A{a1}>A{a1}=B

  • 但是 A − { a 1 } A-\{a_1\} A{a1}也是 S ∗ S^* S的解,与 B B B S ∗ S^* S的最优解矛盾。

  • 所以 A ∗ A^* A一定是原问题的最优解。


image-20230902120102063

image-20230902120113049

Prim算法

  • 连通图的一棵生成树是包含图的所有定点的连通无环子图(一棵树)。
  • 加权连通图的一棵最小生成树是图的一棵权重最小的生成树。

image-20230902120223999

image-20230902120329176

  从某个点出发,首先找和它相邻连接的结点中,权值最小的是谁。是b结点、权值为4,那就把b结点并入进来。接着,再找下一条边,就找和a、b相邻的结点中,权值最小的是哪个边,并且把那个结点并入进来。

  总之,可以视作两个集合:一个是已并入最小生成树的结点集合,另一个是还未并入的结点集合。每次找这两个集合之间权值最小的连接(不能形成环)。

image-20230902120437092


image-20230902120832255

问题:

  一个图,按照这种方式,找出来的所有的最小生成树是不是都是一样的?

  它是一棵树,树的结构是由什么决定的?——我每次的起始点选取不同,它的树根结点不一样,肯定就不一样了。

image-20230902121010752

image-20230902121017904


总结

  贪心策略的选择很重要。

  贪心在某些情况下是可以拿到最优的,但是很容易得到一个局部最优而非全局最优的解。

举报

相关推荐

0 条评论