请问数钱的贪婪算法怎样确保得到最优解?就是怎样一定得到最优解?

来源:学生作业帮助网 编辑:六六作业网 时间:2024/12/28 09:14:40
请问数钱的贪婪算法怎样确保得到最优解?就是怎样一定得到最优解?请问数钱的贪婪算法怎样确保得到最优解?就是怎样一定得到最优解?请问数钱的贪婪算法怎样确保得到最优解?就是怎样一定得到最优解?贪婪算法:总是

请问数钱的贪婪算法怎样确保得到最优解?就是怎样一定得到最优解?
请问数钱的贪婪算法怎样确保得到最优解?
就是怎样一定得到最优解?

请问数钱的贪婪算法怎样确保得到最优解?就是怎样一定得到最优解?
贪婪算法:总是作出在当前看来是最好的选择.也就是说,不从整体最优上加以考虑,它所做出的仅是在某种意义上的局部最优解.
(注:贪婪算法不是对所有问题都能得到整体最优解,但对范围相当广泛的许多问题它能产生整体最优解.但其解必然是最优解的很好近似解.
基本思路:——从问题的某一个初始解出发逐步逼近给定的目标,以尽可能快的地求得更好的解.当达到某算法中的某一步不能再继续前进时,算法停止
实现该算法的过程:
从问题的某一初始解出发;
while 能朝给定总目标前进一步 do
求出可行解的一个解元素;
由所有解元素组合成问题的一个可行解;
基本要素:
1、 贪婪选择性质:所求问题的整体最优解可以通过一系列局部最优的选择,即贪婪选择来达到.(与动态规划的主要区别)
采用自顶向下,以迭代的方式作出相继的贪婪选择,每作一次贪婪选择就将所求问题简化为一个规模更小的子问题.
对于一个具体问题,要确定它是否具有贪婪选择的性质,我们必须证明每一步所作的贪婪选择最终导致问题的最优解.通常可以首先证明问题的一个整体最优解,是从贪婪选择开始的,而且作了贪婪选择后,原问题简化为一个规模更小的类似子问题.然后,用数学归纳法证明,通过每一步作贪婪选择,最终可得到问题的一个整体最优解.
2、最优子结构性质:包含子问题的最优解
1、 设有n个活动的安排,其中每个活动都要求使用同一资源,如演讲会场,而在同一时间只允许一个活动使用这一资源.每个活动都有使用的起始时间和结束时间.问:如何安排可以使这间会场的使用率最高.
活动 起始时间 结束时间
1 1 4
2 3 5
3 0 6
4 5 7
5 3 8
6 5 9
7 6 10
8 8 11
9 8 12
10 2 13
11 12 14
算法:一开始选择活动1,然后依次检查活动一i是否与当前已选择的所有活动相容,若相容则活动加入到已选择的活动集合中,否则不选择活动i,而继续检查下一活动的相容性.即:活动i的开始时间不早于最近加入的活动j的结束时间.
Prodedure plan;
Begin
n:=length[e];
a {1};
j:=1;
for i:=2 to n do
if s[i]>=f[j] then
begin a a∪{i};
j:=i;
end
end;
例1 [找零钱] 一个小孩买了价值少于1美元的糖,并将1美元的钱交给售货员.售货员希望用数目最少的硬币找给小孩.假设提供了数目不限的面值为2 5美分、1 0美分、5美分、及1美分的硬币.售货员分步骤组成要找的零钱数,每次加入一个硬币.选择硬币时所采用的贪婪准则如下:每一次选择应使零钱数尽量增大.为保证解法的可行性(即:所给的零钱等于要找的零钱数),所选择的硬币不应使零钱总数超过最终所需的数目.
假设需要找给小孩6 7美分,首先入选的是两枚2 5美分的硬币,第三枚入选的不能是2 5美分的硬币,否则硬币的选择将不可行(零钱总数超过6 7美分),第三枚应选择1 0美分的硬币,然后是5美分的,最后加入两个1美分的硬币.
贪婪算法有种直觉的倾向,在找零钱时,直觉告诉我们应使找出的硬币数目最少(至少是接近最少的数目).可以证明采用上述贪婪算法找零钱时所用的硬币数目的确最少(见练习1).

请问数钱的贪婪算法怎样确保得到最优解?就是怎样一定得到最优解? lingo解决线性规划问题中如果得到的是局部最优解要怎样得到全局最优解 遗传算法最优化设计每一代的最优自变量(设计变量)怎么得到遗传算法做最优化设计的时候怎么得到每一次迭代的最优的自变量的值呢,最后输出的只是最优解时候的变量值.我想知道每一 贪心算法中最优解的问题...当有两组数满足条件如(0,1,4)或(0 , 2, 4)谁是最优解还是都是最优解? 用运筹学沃格尔法得到的是最优解吗 粒子群算法为什么要设置个体最优值如果求函数最优值,直接设置全局最优值,然后通过计算得到的全局最优值不就是要求的函数最优值,那为什么要设置个体最优值? 单纯形法求标准线性规划 当 所有检验数小于等于零时 得到最优解 运筹学中,在原问题的最优单纯行表中,可以得到对偶问题的最优解吗? 急求遗传算法或者matlab或者能解最优函数的高手! 解魔方程序 最优解算法 C语言 BP算法能否收敛到全局最优解 蚁群算法优化BP神经网络 遇到的问题.看了不少文献,发现蚁群算法优化神经网络是利用蚁群算法在解空间寻找出一组最优的权值和阈值,然后将这一组解带回到神经网络进行细致优化,从而得到 带权二分图集合A中有m个顶点,集合B中有n个顶点,A到B的权值可为:0.9,0.8,0.7,0.6,0.5;请问,采用最优匹配算法和最大匹配算法计算出来的两个匹配数相等的概率是多少?据我估计,相等的概率比 请研究二分图匹配的专家进来看看集合A中有m个顶点,集合B中有n个顶点,A到B的权值可为:0.9,0.8,0.7,0.6,0.5;请问,采用最优匹配算法和最大匹配算法计算出来的两个匹配数相等的概率是多少?匹 可行域内部是否存在使问题得到最优解的点? 运筹学单纯形法中,为什么检验数小于等于零才有最优解?我想要详细的推导过程和说明,我就这里不太懂 如何求目标函数在可行域中的最优解?就是...平移时怎么确定移至哪点得到最优解? 梯度法和牛顿法求的最优解是全局最优还是局部最优