算法图解-贪婪算法

Posted mofei004

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法图解-贪婪算法相关的知识,希望对你有一定的参考价值。

内容:

  • 如何处理不可能完成的任务;没有快速算法的问题(NP完全问题)
  • 学习是被NP完全问题,以免浪费时间去寻找解决他们的快速算法
  • 学习近似算法,使用它们可快速中找到NP完全问题的近似解
  • 学习贪婪策略——一种非常简单的问题解决策略

8.1教室调度问题

  贪婪算法:每步都采取绝不最优解,最终的到的就是全局最优解。

贪婪苏凡并非任何情况下都有效,但它易于实现。

8.2背包问题

  贪婪算法并不能得到最优解,但是非常接近。

在有些情况下,完美是优秀的敌人。 有时,只需找到一个单只解决问题的算法啊,此时贪婪算法正好派上用场,其易于实现,得到的结果又与最优结果相当接近。

8.3近似算法

  贪婪算法是一种近似算法,在获得精确解需要时间太长时,可使用近似算法。

  判断近似算法优劣的标准如下:

  • 速度有多快
  • 的到的近似解与最优解的接近程度

  使用贪婪算法解决广播台覆盖问题。

技术分享图片
 1 # You pass an array in, and it gets converted to a set.
 2 states_needed = set(["mt", "wa", "or", "id", "nv", "ut", "ca", "az"])
 3 
 4 stations = {}
 5 stations["kone"] = set(["id", "nv", "ut"])
 6 stations["ktwo"] = set(["wa", "id", "mt"])
 7 stations["kthree"] = set(["or", "nv", "ca"])
 8 stations["kfour"] = set(["nv", "ut"])
 9 stations["kfive"] = set(["ca", "az"])
10 
11 final_stations = set()
12 
13 for station, states in stations.items():
14 #  print "states: ", states
15   print "station: ", station
16 print "\n"
17 
18 while states_needed:
19   best_station = None
20   states_covered = set()
21   for station, states in stations.items():#station is index, states is element
22     covered = states_needed & states  # get intersection
23     print "covered: ", covered
24     print "states_covered: ", states_covered
25     print "states: ", states
26     print "station: ", station
27     print "***********\n"
28     
29     if len(covered) > len(states_covered):
30       best_station = station
31       states_covered = covered
32 
33   states_needed -= states_covered
34   final_stations.add(best_station)
35 
36 print final_stations
set_covering.py

说明:

  1. 代码中的for循环对广播站进行进行遍历,查找出能覆盖最多州的广播站;
  2. for循环结束后,把已覆盖的州从集合中删除,更新最终解的集合;
  3. 如果还有未覆盖的州,继续执行步骤1(第二部中,应该把找到的广播 站删除);
  4. 直到没有需要覆盖的州,则查找结束。

8.4 NP完全问题

  1. 定义:NP完全问题的简单定义是,以难解著称的问题,如旅行商问题和集合覆盖问题。很多人认为,没有可以快速结果这些问题的算法。
  2. 如何识别:
  • 元素较少时算法的运行速度非常快,但随着元素的增加,速度变得非常慢
  • 涉及“所有组合”的问题通常是NP完全问题
  • 不能将问题分成小问题,必须考虑各种可能的情况,这可能是NP完全问题
  • 如果涉及集合且难以解决,它可能是NP完全问题
  • 如果问题涉及集合且难以解决,他可能是NP完全问题
  • 如果问题可转换为集合覆盖问题或旅行商问题,它肯定是NP完全问题

8.5小结

  • 贪婪算法寻找局部最优解,企图以这种方式获得全局最优解
  • 对于NP完全问题,还没有找到快速解决方案
  • 面临NP完全问题时,最佳的做法是使用近似算法
  • 贪婪算法易于实现、运行速度快,是不错的近似算法

以上是关于算法图解-贪婪算法的主要内容,如果未能解决你的问题,请参考以下文章

算法图解读后感(理解概念)贪婪算法动态规划K最近邻算法 其他有用的算法

《算法图解》第八章_贪婪算法_集合覆盖问题

《算法图解》代码实现和改进

算法作业13——《算法图解》读书笔记

推荐书籍:《算法图解》

路径规划 | 图解A*DijkstraGBFS算法的异同(附C++/Python/Matlab仿真)