编程语言
首页 > 编程语言> > 算法(五)贪心方法

算法(五)贪心方法

作者:互联网

1 背包问题

1.1 题目

在这里插入图片描述

1.2 GREEDY-KNAPSACK算法

太简单了,把单位重量价格贵的往里放就行。
在这里插入图片描述
其中,p是价格,w是重量,x是物品放进去的比例。

1.3 定理5.1

这个证明要求会。
在这里插入图片描述
证明思路:

  1. 先设算法所得
    解X= (x 1 _1 1​,x 2 _2 2​,…,x j _j j​,…,x n _n n​)
  2. 如果x都=1,即所有物品都选了,那么一定是最优解。
  3. 如果x不都是1,那么设j是第一个≠1的x的下标,即X = (1,1,1,…,1,x j _j j​,0,0,0,…,0)。如果X不是最优解,那么一定有一个最优解Y = (y 1 _1 1​,y 2 _2 2​,……,y n _n n​),使Σp i _i i​y i _i i​>Σp i _i i​x i _i i​,设k是x≠y的最小下标,那么有三种情况,证明这三种情况都不正确就可以:
  4. 若k<j,这个时候x k _k k​=1,假设有y k _k k​≠x k _k k​,那么y k _k k​<x k _k k​
    若k=j,已经假设y k _k k​≠x k _k k​,所以只有两种情况。y k _k k​>x k _k k​时,在X里,Σ i = 1 k ^{k}_{i=1} i=1k​p i _i i​x i _i i​ = M(质量上限),那Σ i = 1 k ^{k}_{i=1} i=1k​p i _i i​y i _i i​肯定 > M,肯定不可能。那就只可能是y k _k k​<x k _k k​。
    若k>j,也有 Σ i = 1 k ^{k}_{i=1} i=1k​p i _i i​y i _i i​ > M,矛盾。
  5. 发现了吗,上面3中的三种情况,除了Σ i = 1 k ^{k}_{i=1} i=1k​p i _i i​y i _i i​ > M这种矛盾情况就是y k _k k​<x k _k k​,所以我们只要证y k _k k​<x k _k k​矛盾即可得证。
    那么我就将Y中的y k _k k​增加到x k _k k​那么多,那么一定要将k后面的若干个y——(y k + 1 _{k+1} k+1​,y k + 2 _{k+2} k+2​,……,y n _n n​)中减少相同的质量,假设这个解是Z=(z 1 _1 1​,z 2 _2 2​,……,z n _n n​)。众所周知,前面的贵后面的便宜,贵的质量增加了,便宜的质量减少了(用数学写法表示见图),那Z就一定肯定是更优解。
  6. 此时,Z=X那么证明X是最优解,Z≠X只需重复上面的过程(写这几个字就行)直到Z=X即可证X是最优解。

我上面写的这些逻辑关系不太强,所以我补了一个图。
在这里插入图片描述

2 带有限期的作业排序

2.1 GREEDY-JOB算法

经典拿一句汉语伪代码概括一堆代码。
在这里插入图片描述

2.2 定理5.2

证明GREEDY-JOB会得到最优解。

先放书上图:
在这里插入图片描述

I为最优解J为贪心解,I=J则J是最优解,I≠J有四种关系:I包含于J,J包含于I,I和J有交集且交集小于I和J,I和J无交集。
说明1:虽然书上和ppt上都说的⊂,但是我觉得⫋更好一点。
说明2:书上后两种合并成一种看,反正就是I和J分别有对方没有的元素。

要注意的一点是,I和J两个集合的元素是包含的作业,不是解集。即I={作业1,作业2,作业3},J={作业1,作业3,作业4}这种情况,并不是I={解1,解2}这样。

证明:

  1. I ⫋ J:I的效益<J的效益,与最优解矛盾。
  2. J ⫋ I:图为PPT写法,建议按书上写(PPT写的也不是很好我背不下来):贪心法的工作方式排斥了J⊂I。
    在这里插入图片描述
  3. 第一步:排除了前两种情况,那么一定存在x∈I且x∉J,y∉I且y∈J,设a是满足y的最大的元素,那么a一定大于满足x的所有元素,因为如果a<x那么贪心就会选择x了。
    第二步:对于每个I和J中共同包含的作业i,他在I中的执行时间是t,J中的是t’,让t和t’两个时间中更早的时间跟晚一些的时间对齐,如果晚一些的时间已经有作业,那么就将两个作业交换。(如果第四种情况则忽略这步就好了)
    举例:对于作业1,I中是时间2,J中是时间3,那么就将I中的作业1放入时间3的位置上(由于J中作业1就在时间3,那么作业1放在时间3是可以的),如果I中时间3本来有作业,那么将作业放到时间2的位置上(向前移是可以的)
    第三步:那么现在a对应的时间,在I中相应时间的作业b(或者根本没有作业)的效益一定小于a,那么就将I中此时间改为作业a,不断地重复这个过程会使I不断转化为J,所以J就是最优解。

2.3 定理5.3

在这里插入图片描述
就是说,可行解 的充要条件是 安排的作业可以按照期限次序递增(δ)处理而又不违反任何一个期限。
注意这里是说“可以按照”,不代表可行解一定是期限递增,但可以重排序按照期限递增的方式处理作业。

证明:

  1. 安排的作业可以按照期限递增处理又不违反任何一个期限,那显而易见这是一个可行解。
  2. δ是递增序列(元素是i),δ’是J中使用的序列(元素是r),找到第一个不同的作业r a _a a​≠i a _a a​,找到递增序列δ这个位置的作业i a _a a​在J序列δ’中的位置r b _b b​,r b _b b​=i a _a a​,交换J序列中的r a _a a​和r b _b b​(因为d r a _{ra} ra​=d r b _{rb} rb​所以可交换),不停如此交换可以从δ’转化为δ,得证。

2.4 JS算法

我看了半天才看明白,非常简单。作业是按效益降序排列的,J中先放作业1,然后每次考虑一个作业从头到尾是否有一个点可以插入,使后面的每一个作业往后移一位且都还合法,找到这样的第一个点,如果找不到就不插入了。
在这里插入图片描述

2.5 FJS算法

开始犯病了,J是最优解,p(小写)是降序排列的效益,D是对应的期限没变,P(大写)变成了树的父亲节点(parent),b是时间片的数量。在定义里,F是这个时间及以前最接近的空时间片,但是实际是这个时间的P祖宗的F才是(后面还会提及到)。

看着代码理解一下,主要要会后面的画图。

在这里插入图片描述

下面是思路,其实我自己的思路比这个简单很多,但是我担心会不会有特殊情况,所以还是按照书里的思路来,不我就按我的思路了,我觉得不会错,我也觉得书上的我背不下来 :

  1. 重中之重:b=min{n,max{d j _j j​}}别忘了写,不写这个时间片数量(有一个0时间片所以F和树节点的数量是b+1)确定不了,后面基本写不对。
  2. 改F:每次考虑一个作业,看这个作业期限前面最近的时间片是哪个,然后把作业放到那个位置(后文把这个位置叫J k _k k​),更改那个位置的F值为前面最近的空时间片的位置。
  3. 改树:UNION(J k _k k​的前一坨,J k _k k​自己的那一坨),UNION不记得的自己回去查吧,主要讲一下这里的UNION(i,j)是i和j谁节点多谁是根,一样多i是根,这个在画图上非常重要。树的非根节点存的是父亲节点的编号,根存的是树的节点数的负值。

标签:那么,作业,期限,算法,时间,最优,方法,节点,贪心
来源: https://blog.csdn.net/m0_47704575/article/details/117752277