算法导论第十六章——贪心算法

求解最优化问题要经过一系列步骤，每个步骤中有多种选择，有时使用动态规划来求解会十分复杂，此时可以使用更高效更简单的算法，如贪心算法。
贪心算法总是在每一步做出局部最优的选择，寄希望与这样的选择能够达到全局最优解。
贪心算法并不能保证得到最优解，但部分问题使用贪心策略足以达到最优解。

1. 活动选择问题

我们的第一个例子是一个调度竞争共享资源的多个活动的问题，目标是选出一个最大的，互相兼容的活动集合。
假定有一个n个活动的集合\(S={\{a1,a2..an\}}\),这些活动使用同一个资源，而这些资源在某个时刻只能供一个活动使用。每个活动\(a_i\)都有开始时间\(s_i\)和结束时间\(f_i\)，如果被选中，任务占据该资源\([s_i,fi)\)期间。如果两个活动的区间不重叠，则称他们是兼容的。在活动选择问题中，我们希望选择出一个最大兼容活动集。
我们可以通过动态规划算法将这个问题分解为两个子问题，然后将两个子问题的最优解合并为原问题的解。

活动选择问题的最优子结构

令\(S_{ij}\)表示在\(a_i\)结束之后开始，且在\(a_j\)开始之前结束的那些活动集合。我们希望求\(S_{ij}\)的最大兼容子集。进一步，我们假定\(A_{ij}\)就是这样一个子集，且包含活动k。如此我们便得到两个子问题，寻找\(S_{ik}\)中的兼容活动以及寻找\(S_{kj}\)中的兼容活动。即我们可得到\(A_{ij}=A_{ik}∪{\{a_k\}}∪A_{k,j}\)
我们用\(c[i,j]\)表示集合\(S_{ij}\)的大小，则可得到

贪心选择

事实上，对于活动选择问题，我们无需考虑所有子选择，只需要考虑一个选择:贪心选择
对于活动选择问题，如何贪心选择？直觉上，我们应该选择这样一个活动，选出它后剩下的资源应该被尽可能多的其他任务利用。现在考虑可选的活动，其中必然有一个最先结束，我们应该选择S中最早结束的活动，因为剩下的资源可供他之后尽可能多的活动使用。
现在的问题是，我们的策略是正确的吗？下面的定理证明了这一点。

证明
令\(A_k\)是\(S_k\)中的一个最大兼容活动子集，且\(a_j\)是\(A_k\)中结束时间最早的活动。若\(a_j=a_m\),则已证明\(a_m\)在\(S_k\)的最大兼容活动子集中。否则,令集合\(A_{k}^{'} = A_{k}-\{a_j\}∪\{a_m\}\)
\(A_{k}^{'}\)中的活动都是不相交的，而\(a_m比a_j\)结束更早，因此得出\(A_{k}^{'}\)也是Sk的一个最大兼容活动子集，且包含\(a_m\)

由此得到代码如下

2.贪心算法原理

本节探究贪心算法的一般性质。
在上一节设计贪心算法的过程比通常繁琐一些，我们当时经过了如下步骤：

1. 设计问题的最优子结构
2. 设计一个递归算法
3. 证明如果我们做出了贪心选择，则只剩下一个子问题。
4. 证明贪心算法是有效的。
5. 设计算法实现贪心策略。

一般的，我们可以根据如下步骤设计贪心算法：

1. 将最优化问题转化为:对其做出一次选择后，只剩下一个子问题需要求解
2. 证明做出贪心选择后，原问题总是存在最优解。
3. 证明做出贪心 ad8 选择后，剩余的子问题满足性质:即最优解与贪心选择组合即可得到原问题的最优解。

问题的关键在于贪心选择性质和最优子结构

贪心选择性质
当进行选择时，我们直接做出在当前问题中看来最优的选择，而不必考虑子问题的解。
我们必须证明每个步骤做出贪心选择能生成全局最优解，这种证明通常首先考察某个子问题的最优解，然后用贪心选择替换某个其他选择来修改此解，从而得到一个相似但更小的子问题。