算法导论复习——CHP16 贪心算法

定义

        每一步都做出当前看来最优的操作。

问题引入——活动选择问题

         问题描述

        活动选择问题就是对给定的包含n个活动的集合S,在已知每个活动开始时间和结束时间的条件下,从中选出最多可兼容活动的子集合,称为最大兼容活动集合。 不失一般性,设活动已经按照结束时间单调递增排序。

        分析

                这个问题具有最优子结构,可以用动态规划,但用贪心复杂度更低。

                实际上,任何一个可以用贪心解决的问题都可以用动态规划解决。 

                这里的贪心策略为:每次都选择能选择的活动中结束时间最早的活动。

        证明贪心正确性:

                感性上,这样做可以为后面留出最多的时间。

                严格证明,只需证明如下定理:

        考虑任意非空子问题S_k,令a_mS_k中结束时间最早的活动,则a_m必在S_k的某个最大兼容活动子集中。

        证明:

                设A_kS_k的一个最大兼容活动子集,A_k中最早结束的活动为a_j

                若a_j = a_m,则成立。

                若a_j \neq a_m,则设A^{'} = A_k-\{a_m\}\cup \{a_j\},由于A_k中活动兼容,有a_m结束时间比A_k中最早的还早,故A^{'}也是S_k的一个兼容活动子集,又|A_k| =|A^{'}|,故A^{'}也是S_k的一个最大兼容活动子集,故a_mS_k的某个最大兼容活动子集中,也成立。

                证毕。

        实现

                自顶向下

                

                自底向上

                

总结——贪心算法的一般步骤 

        1)确定问题的最优子结构; 

        2)将最优化问题转化为这样的形式:每次对其作出选择后,只剩下一个子问题需要求解;

        3)证明作出贪心选择后,剩余的子问题满足:其最优子解与前面的贪心选择组合即可得到原问题的最优解(具有最优子结构)。 

总结——证明贪心算法正确性

        贪心选择性质最优子结构性是两个关键要素。

        贪心选择性质:可以通过做出局部最优(贪心)选择来构造全局最优解的性质。

        贪心选择性质使得我们进行选择时,只需做出当前看起来最优的选择,而不用考虑子问题的解。

例子——Huffman编码

        Huffman算法

                从 |C| 个叶子结点开始,每次选择频率最低的两个结点合并,将得到的新结点加入集合继续合并,这样执行 |C|-1次 “合并” 后即可构造出一棵编码树——Huffman树。

                (采用以freq为关键字的最小优先队列Q,提取两个最低频率的对象将之合并。) 

                时间复杂度分析

                假设Q使用最小二叉堆实现,则:

                首先,Q的初始化时间复杂度O(n)。

                其次,循环的总代价是O(nlgn):for循环共执行了n-1次,每次从堆中找出当前频率最小的两个结点及把合并得到的新结点插入到堆中均花费O(lgn),所以循环的总代价是O(nlgn)。

                总时间复杂度O(nlgn)。 

                正确性证明

                首先,可以发现,一个最优字符编码方案总对应一棵满 (full) 二叉树, 即每个非叶子结点都有两个孩子结点。

                引理1

                令C为一个字母表,其中每个字符 c∈C 都有一个频率 c.freq。 令 x 和 y 是C中频率最低的两个字符。那么存在C的一个最优前缀码,x和y的码字长度相同,且只有最后一个二进制位不同。

 证:        

                令T是一个最优前缀码所对应的编码树,a和b是T中深度最大的兄弟叶结点。 不失一般性,假设 a.freq ≤ b.freq 且 x.freq ≤ y.freq。

                由于x和y是叶结点中频率最低的两个结点,所以应有 x.freq ≤ a.freq 且y.freq ≤ b.freq。

                若 x.freq = b.freq,则有a.freq = b.freq = x.freq = y.freq,此时引理成立。

                若 x.freq ≠ b.freq,即 x≠ b。则在T中交换 x 和 a,生成一棵 新树T’ ;然后再在T’中交换 b和y,生成另一棵新树T” ,那么在T”中x和y是深度最深的两个兄弟结点

                计算代价差:

                

                同理有B(T')\ge B(T'') 

                因此B(T'')\le B(T),又B(T)为最优编码,故B(T'') = B(T)

                即得证:T” 也是最优解,且 x 和 y 是其中深度最大的两个兄弟结点,x和y的码字长度相同,且只有最后一个二进制位不同。

                引理2

                令C为一个给定的字母表,其中每个字符c∈C都有一 个频率c.freq。x和y是C中频率最低的两个字符。

                令C'为C去掉字符x和y,并加入一个新字符z后得到的字母表, 即C' = C - {x, y}∪{z},z.freq= x.freq + y.freq。 令T'为字母表C'的任意一个最优前缀码对应的编码树。

                则有:可以将T'中叶子结点 z 替换为一个以x和y为孩子的内部结点,得到树T,而T表示字母表C的一个最优前缀码。

                由引理1、2可得Huffman算法的正确性。 

        

                 

                

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/597150.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Could not recognize scene type gaussian-splatting 常见报错

目录 render报错 GroupParams object has no attribute source_path Could not recognize scene type 报错代码: 默认路径代码:

微信小程序-监听屏幕滚动

实现: 运用页面Page()函数中的onPageScroll方法,来监听屏幕滚动的距离。 1).js中: data:{scrollTop:0, },//监听屏幕滚动 判断上下滚动onPageScroll: function (ev) {this.setData({scrollTop: ev.scrollTop})}, 2&#xff09…

Java集合-ArrayList

Java集合-ArrayList 特性 实现了三个标记接口&#xff1a;RandomAccess&#xff0c;Cloneable&#xff0c;java.io.Serializable public class ArrayList<E> extends AbstractList<E>implements List<E>, RandomAccess, Cloneable, java.io.Serializable1…

普通函数与函数模板的区别以及调用规则 学习笔记

前提知识&#xff1a; 引用是不能出现在隐式类型转换之中 引用时会把隐式类型转换后的值放到一个常量区中&#xff0c;即我们引用的时候&#xff0c;引用的是一个常量区的值。如果想使用引用&#xff0c;那么必须加const修饰&#xff0c;变成只读&#xff0c;方可使用隐式类型…

解析《个人信息保护法》实施以来主要的变化

文章目录 前言一、二十一部配套的立法二、数据入表三、跨境规则转向四、未成年个人信息保护五、数据交易六、监管创新七、执法全覆盖八、地方聚焦场景执法九、个人信息保护诉讼十、个人信息保护公益诉讼十一、包容审慎十二、双清单上线十三、外部独立监督机构十四、个性化推荐便…

建立java和sql的连接(为聊天窗口添加注册功能)

建立java和sql的连接(为聊天窗口添加注册功能) 1.1首先需要导入mysql的相关包&#xff0c;将下好的jar文件拖入在src中新建立的lib文件夹(directory)里面&#xff0c;然后将lib进行add as library就算导入成功了 2.1明确dao是什么 DAO&#xff08;Data Access Object&#x…

SVN迁移至GitLab,并附带历史提交记录(二)

与《SVN迁移至GitLab&#xff0c;并附带历史提交记录》用的 git svn clone不同&#xff0c;本文使用svn2git来迁移项目代码。 一、准备工作 安装Git环境&#xff0c;配置本地git账户信息&#xff1a; git config --global user.name "XXX" git config --global us…

计算机丢失VCRUNTIME140_1.dll怎么办,6个不同方法教你解决问题

一、什么是vcruntime140_1.dll&#xff1f; vcruntime140_1.dll是Visual C Redistributable Packages的一部分&#xff0c;它是Microsoft Visual Studio开发环境中使用的运行时库文件。它包含了许多常用的函数和类&#xff0c;为开发者提供了丰富的功能支持。 二、vcruntime1…

大数据可视化Web框架——飞致云Dataease在Windows端的安装指南(多图说明版)V2.2最新版

DataEase开源代码在Windows系统开发环境搭建与调试指南_怎么部署dataease 2.0-CSDN博客https://blog.csdn.net/tllhc01/article/details/135220598?spm1001.2014.3001.5502参考这一篇&#xff0c;基于dataease2.2源码进行构建 需要先下载三个文件&#xff0c;且版本一一对应均…

C++多态性——(4)纯虚函数与抽象类

归纳编程学习的感悟&#xff0c; 记录奋斗路上的点滴&#xff0c; 希望能帮到一样刻苦的你&#xff01; 如有不足欢迎指正&#xff01; 共同学习交流&#xff01; &#x1f30e;欢迎各位→点赞 &#x1f44d; 收藏⭐ 留言​&#x1f4dd; 我们不能选择命运&#xff0c;但我们可…

基于注解的IOC配置

基于注解的IOC配置 学习基于注解的IOC配置&#xff0c;大家脑海里首先得有一个认知&#xff0c;即注解配置和xml配置要实现的功能都是一样的&#xff0c;都是要降低程序间的耦合。只是配置的形式不一样。 1.创建工程 pom.xml <?xml version"1.0" encoding&qu…

Vault实战(三)-Vault命令详解

1 login login 命令使用提供的参数向 Vault 验证用户或机器。身份验证成功会返回一个 Vault 令牌 - 在概念上类似于网站上的会话令牌。默认情况下&#xff0c;此令牌会被缓存在本地以供将来发起请求时使用。 -method 标志允许使用其他身份验证方法&#xff0c;例如 userpass、…

MySQL之CRUD,函数与union使用

目录 一.CRUD 1.1.SELECT(查询) 1.2.INSERT&#xff08;新增&#xff09; 1.3.UPDATE(修改) 1.4.DELETE&#xff08;删除&#xff09; 二.函数 2.1.常见函数 2.1.1.字符函数 2.1.2.数字函数 2.1.3.日期函数 2.2.流程控制函数 2.3.聚合函数 三.union与union all 四…

STM32学习笔记十八:WS2812制作像素游戏屏-飞行射击游戏(8)探索游戏多样性,范围伤害模式

前面我们的攻击手段比较单一&#xff0c;虽然已经分出了 EnemyT1 / EnemyT2 / EnemyT3&#xff0c; 但里面还是基本一样的。这回&#xff0c;我们尝试实现一些新的攻击方法&#xff0c;实现一些新的算法。 1、前面我们小飞机EnemyT1 的攻击方式是垂直向下发射子弹。 那么大飞机…

Linux 安装 MySQL

一、安装 MySQL 的准备工作 1. 查看系统版本 cat /etc/redhat-release2. 查看系统是否已经安装过 MySQL 查看是否安装了 MySQL rpm -qa | grep mysql查看是否有安装 mariadb&#xff0c;该软件与 MySQL 数据库有冲突&#xff0c;需要手动卸载 # 如果是 CentOS7 可以检测出…

Scene Creator

场景创建器是一个方便、易于使用的编辑工具&#xff0c;旨在简化创建新场景的过程。使用场景创建器&#xff0c;您可以选择一个模板场景&#xff0c;定义一个目录来存储您的场景&#xff0c;并在需要时自动将新场景添加到构建中。 下载&#xff1a; ​​Unity资源商店链接 资…

什么是CHATGPT

ChatGPT是一个基于大型变换器模型&#xff08;Transformer model&#xff09;的对话AI&#xff0c;它通过机器学习的方法训练&#xff0c;能够生成人类般的文本。GPT&#xff08;Generative Pre-trained Transformer&#xff09;是由OpenAI开发的&#xff0c;其中“GPT”表示模…

vue3安装vue-tools

https://github.com/vuejs/devtools/tree/v6.5.0/packages 打开浏览器扩展程序 这个文件直接拖进扩展程序

【Python】Python函数isalnum用法介绍

本文将从多个方面详细阐述Python函数isalnum的使用方法及其内部实现原理。 一、函数及其作用 isalnum()函数是Python中的一个内置函数&#xff0c;用于判断字符串是否只由数字和字母组成。如果是&#xff0c;则返回True&#xff0c;否则返回False。 str.isalnum() 其中&…

【源码分析】 Calcite 处理流程详解:calcite架构、处理流程以及就一个运行示例进行源码分析

文章目录 一. Calcite整体架构二. Calcite处理流程三. 处理流程样例说明1. 样例demo1.1. 样例数据1.2. 使用calcite 2. 流程源码分析Step1: SQL 解析阶段&#xff08;SQL–>SqlNode&#xff09;Step2: SqlNode 验证&#xff08;SqlNode–>SqlNode&#xff09;1. 注册元数…