第10章 算法设计策略和应用实例

相同的子问题； 子问题的规模缩小到一定的程度，就不需要再 分解，可以很容易地求解； 所有子问题的解能够合并成原问题的解。
10.1.2 算法设计步骤和程序模式
原问题 问题分解 子问题 求解子问题 子问题解 子问题 求解子问题 子问题解 合并子解 原问题的解 … … 子问题 求解子问题 子问题解
图10-1 分治策略示意图
分治策略的一般程序模式如下： divide-and-conquer(P) { if ( Small(P) ) return S(P); else { //把问题 P 分解成成子问题P1,P2,...,Pk (k 1); for(i=1;i<=k;i++) yi=divide-and-conquer(Pi); return combine(y1,...,yk); } }
如图10-1所示，采用分治策略的算法设计都包括分解、求 解和合并三个步骤： （1）分解：将原问题分解为若干个规模较小、相互独立、 与原问题类型相同或相似的子问题； （2）求解：若子问题缩小到容易解决的规模，则直接求 解，否则递归地求解子问题； （3）合并：将各个子问题的解合并为原问题的解。
10.1.2 算法设计步骤和程序模式
10.2.3 算法设计步骤及程序模式
贪心策略的算法设计步骤一般分为四步：
建立数学模型来描述问题;
把求解的问题分成若干个子问题;
求解子问题，得到子问题的局部最优解; 通过贪心选择，扩展子问题的局部最优解，直到
构成问题的完整解。
10.2.3 算法设计步骤及程序模式
贪心策略的程序模式一般为： Greedy(C) //C是问题的输入集合，即候选集合 { S={ }; //初始解集合为空集 while (not Solution(S)) //集合S没有构成问题的一个解 { x=Select(C); //在候选集合C中做贪心选择 if Feasible(S, x) //判断集合S中加入x后的解是否可行 { S=S+{x}; C=C-{x}; } } return S; }
10.2.4 贪心策略应用实例
由于输入的活动是以其完成时间的非递减序排列 ，所以贪心算法每次总是选择具有最早完成时间 的相容活动加入A中。直观上，按这种方法选择 相容活动就为未安排的活动留下尽可能多的时间 。也就是说，该算法的贪心选择是使剩余的可安 排时间极大化，以便安排尽可能多的相容活动。 贪心策略求解活动安排问题的时间复杂度为O(n) 。在GreedySelector算法中，集合A用来存储所选 择的活动。活动i在集合A中，当且仅当A[i]的值为 true。变量j用以记录最近一次加入到A中的活动 。
最后，矩阵乘积的结果由7个矩阵得出。
10.1.3 分治策略应用实例
C11 C12 M 1 M 4 M 5 M 7 C M2 M4 C21 C22 M1 M 3 M 2 M 6 M3 M5
分析：按照矩阵的定义，两个n阶矩阵乘积 中有n2个元素，计算每个元素需要n次乘法和 (n-1)次加法，所以需要n3次乘法和n2(n-1)次加 法，其时间复杂度为O(n3)，而通过分治策略设 计的矩阵乘积算法可以降低时间复杂度为 O(n2.81)。
10.1.3 分治策略应用实例
【例10-2】大整数乘法。在一些像密码技术的应用中， 需要进行超过100位的十进制整数的乘法运算。因为计 算机对于整数字节数的限制，所以无法直接运算大整 数乘积，这就需要研究高效的大整数乘法算法。 设X和Y是两个n位的大整数，采用分治策略的大整 数乘法的基本思想是将n位的整数X和Y都分成两部分， m m ，则 n / 2 X A 10 B 每部分的长度约为 和 Y C 10m D。 因此
问题具有最优子结构性质，也称此问题满足最优化原 理。问题的最优子结构性质是该问题可以用贪心策略 或者动态规划策略求解的关键特征。 贪心选择性 若一个问题的全局最优解可以通过一系列局部最优的 选择，即贪心选择来获得，则称该问题具有贪心选择 性。
10.2.2 贪心策略概述
贪心选择性可从如下三个方面来理解：
图10-3 拟建运动场示意图
10.2.1最优化问题与最优化原理
2.最优化原理 1951年，美国数学家R.E.Bellman等人根据多阶段决 策问题的特点，提出了解决这类问题的最优化原理 (Principle of optimality)。 最优化原理的数学语言描述为：假设为了解决某一优 化问题，需要依次作出n个决策D1、D2、…、Dn。如果 这个决策序列是最优的，那么对于任何一个整数k（1 < k < n），则Dk+1、Dk+2、…、Dn也是最优的，因为不论 前面k个决策是怎样的，以后的最优决策只取决于前面 决策所确定的当前状态。
10.2.4 贪心策略应用实例
【例10-5】任务调度问题。每项任务需要一个单 位的工作时间，并且每项任务都有一个截止时间 和奖励。如果任务在截止时间之前开始，就可以 获得奖励，否则就不能获得奖励。问题是如何安 排任务以获得最多的奖励。注意不需要完成所有 任务。
10.2.4 贪心策略应用实例
例如，表10-1所示的任务调度问题实例，任务1的截止时间为2指 的是任务1要在时间1或者时间2开始，否则就超过截止时间。任务 2的截止时间为1意味着任务2只能在时间1开始。因此，可能的任 务调度有[1, 3]、[2, 1]、[2, 3]、[3, 1]、[4, 1]、[4, 3]。通过观察发 现，一种合理的贪心选择策略如下：先按照任务的奖励从高到低 排序，根据这个顺序检查每个任务，如果满足截止时间的约束就 加入该任务。 表10-1任务调度问题实例 任务 截止时间 奖励 1 2 30 2 1 35 3 2 25 4 1 40
10.2.4 贪心策略应用实例
【例10-4】用贪心策略求解活动安排问题。设有n 个活动的集合E={1,2, …,n}，其中每个活动都要 求使用同一资源，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si 和结束时间fi 且si < fi 。如果选 择了活动i，则它在半开时间区间 [si ,fi ) 内占用资 源。若区间[si ,fi )与区间[sj ,fj ) 不相交，则称活动 i与活动j是相容的。也就是说，当si ≥ fj或sj ≥ fi时 ，活动i与活动j相容。 活动安排问题就是要在所给的活动集合中选出数 量最多的相容活动子集合。
C11 C12 A11 C 21 C22 A21 A12 B11 A22 B21 B12 B22
10.1.3 分治策略应用实例
Strassen计算如下7个矩阵。
10.1.3 分治策略应用实例
M 1 ( A11 A22 )( B11 B22 ) M 2 ( A21 A22 ) B11 M 3 A11 ( B12 B22 ) M 4 A22 ( B21 B11 ) M 5 ( A11 A12 ) B22 M 6 ( A21 A11 )( B11 B12 ) M 7 ( A12 A22 )( B21 B22 )
10.1.1 概述
分治策略是一类算法设计策略，它将原问 题分解成若干部分，从而产生若干子问题，这 些子问题互相独立且与原问题类型相同，然后 解决这些子问题，最后把这些子问题的解合并 成原问题的解。
10.1.1 概述
分治策略所能解决的问题，一般具有以下 三个特征：
原问题可以分解成规模较小、相互独立和类型
分析：按照整数乘法的定义，两个n位整数的时间复 杂度为O(n2)，而简单的分治策略把两个n位整数的乘法转 换需要4次乘法的m位整数的乘法，并没用降低时间复杂 度，但是通过把乘法次数降为3次，大整数乘法的时间复 杂度为O(n1.58)。
10.1.3 分治策略应用实例
【例10-3】计算一个数列的逆序数量。例如， 已知一个数列3、1、2、5、4，则其中存在三个 逆序：（3，1），（3，2），（5，4），如图 10-2所示。穷举法的用时为O(n2)，而采用分治策 略设计的算法时间复杂度为O(nlogn)。 采用分治策略计算逆序数量的基本思想：假 设数列保存在数组a中，将数组a中的元素划分成 大致相等的前后两部分a1和a2，然后分别计算a1 和a2中逆序的数量，最后计算逆序对（ai,aj）的 数量，其中ai是a1中的元素，aj是a2中的元素。
XY ( A 10m B) (C 10m D) AC102 m ( AD BC )10m BD
10.1.3 分治策略应用实例
直接用此公式计算并不是很有效，而用如下的方法可 以减少乘法的次数。
R ( A B) (C D) AC AD BC BD AD BC R AC BD XY ( A 10m B) (C 10m D) AC102 m ( R AC BD)10m BD
百度文库
10.2.2 贪心策略概述
贪心策略通过一系列步骤来构造问题的解，每一步
都做出当前来看最好的选择，扩展已知的部分解， 直到获得问题的完整解。这种“当前来看最好的选 择”的策略就是该策略名称的来源。 贪心策略求解的问题一般具有以下两个重要的性质
最优子结构性
当一个问题的最优解包含其子问题的最优解时，称此
10.2 贪心策略
贪心策略是比较容易的算法设计策略，虽然 它看上去既直观又简单，但是它却可以广泛地应 用于很多问题的求解，如最短路径问题、最小生 成树、Huffman编码、作业调度问题等。本节主 要介绍贪心策略的基本知识，然后给出了贪心策 略应用实例。
10.2.1最优化问题与最优化原理
1.最优化问题 最优化问题是在满足一定的限制条件下，对于一个 给定的优化函数，寻找一组参数值，使得函数值最大或 最小。每个最优化问题都包含一组限制条件和一个优化 函数，符合限制条件的求解方案称为可行解，使优化函 数取得最大（小）值的可行解称为最优解。
10.2.1最优化问题与最优化原理
建运动场的问题可以抽象为最优化问题： （1）限制条件是建筑材料为300米。设x和y分别是矩 形的长和宽，限制条件为：x+2y<=300，x>0，y>0。 （2）代表问题解的优劣是矩形面积，即优化函数表示： f(x,y)=xy。 任何一组满足限制条件“x+2y<=300”的x和y都是可 行解，而使“xy”最大的是最优解。
【例10-1】矩阵乘积问题。因为矩阵可以方便地表示 两个集合中元素之间的关系，所以被用于通信网络和交通 运输系统等模型，在这些模型中经常用到矩阵的乘法。根 据矩阵乘积的定义，两个 n 阶矩阵乘积的时间复杂度为 O(n3) 。 Strassen 根据分治策略设计矩阵乘积的算法，降 低时间复杂度。 假设 n为 2的整数幂， A、 B、 C都是 n 阶的矩阵，每个 矩阵可以分解成4个n/2阶的矩阵。
第10章算法设计策略及应用实例 （4课时）
本章介绍了算法设计策略和应用实例，主要 目的有两个:首先，让读者知道每种算法的适用 条件，即何时可以使用和何时不能使用某种算 法设计策略；其次，让读者学习基本的算法设 计策略，即掌握如何描述自己的问题和高效、 快速地解决问题。 本章将进一步介绍五种常用算法设计策略的 基本思想和实现方法，这些策略包括分治策略、 贪心策略、动态规划策略、回溯策略和分支限 界策略，以及它们的具体应用实例。
可行性，即贪心选择必须满足问题的约束;
局部最优性，即贪心选择是当前步骤中所有可行
选择中最佳的局部选择; 不变性，即一旦做出选择，在算法的后面步骤中 就无法改变。
10.2.2 贪心策略概述
总结
贪心策略求解的问题需要具备两个性质： 第一，最优子结构性质； 第二，贪心选择性质。
第一条性质是应用贪心策略的基础，而第二条 性质是决定使用贪心策略的关键。具备第一条 性质的问题，如果不具备贪心选择性，而是具 备子问题重叠性，则考虑用动态规划策略设计 算法。