时间戳

首页 > 技术文章 > 贪心算法与近似算法

贪心算法与近似算法

tianqizhi 2018-09-01 22:36 原文

1 贪心算法

1.1 教室调度问题

　　假设有如下课程表，你希望将尽可能多的课程安排在某间教室上。

　　你没法让这些课都在这间教室上，因为有些课的上课时间有冲突。

　　你希望在这间教室上尽可能多的课。如何选出尽可能多且时间不冲突的课程呢？这个问题好像很难，不是吗？实际上，算法可能简单得让你大吃一惊。具体做法如下。
　　(1) 选出结束最早的课，它就是要在这间教室上的第一堂课。
　　(2) 接下来，必须选择第一堂课结束后才开始的课。同样，你选择结束最早的课，这将是要在这间教室上的第二堂课。重复这样做就能找出答案！下面来试一试。美术课的结束时间最早，为10:00 a.m.，因此它就是第一堂课。

　　接下来的课必须在10:00 a.m.后开始，且结束得最早。

　　英语课不行，因为它的时间与美术课冲突，但数学课满足条件。最后，计算机课与数学课的时间是冲突的，但音乐课可以。

　　因此将在这间教室上如下三堂课。

　　很多人都跟我说，这个算法太容易、太显而易见，肯定不对。但这正是贪婪算法的优点——简单易行！贪婪算法很简单：每步都采取最优的做法。在这个示例中，你每次都选择结束最早的课。用专业术语说，就是你每步都选择局部最优解，最终得到的就是全局最优解。信不信由你，对于这个调度问题，上述简单算法找到的就是最优解！显然，贪婪算法并非在任何情况下都行之有效，但它易于实现！下面再来看一个例子。

1.2 背包问题

　　假设你是个贪婪的小偷，背着可装35磅（1磅≈0.45千克）重东西的背包，在商场伺机盗窃各种可装入背包的商品。

　　你力图往背包中装入价值最高的商品，你会使用哪种算法呢？

　　同样，你采取贪婪策略，这非常简单。

　　(1) 盗窃可装入背包的最贵商品。
　　(2) 再盗窃还可装入背包的最贵商品，以此类推。

　　只是这次这种贪婪策略不好使了！例如，你可盗窃的商品有下面三种。

　　你的背包可装35磅的东西。音响最贵，你把它给偷了，但背包没有空间装其他东西了。

　　你偷到了价值3000美元的东西。且慢！如果不是偷音响，而是偷笔记本电脑和吉他，总价将为3500美元！

　　在这里，贪婪策略显然不能获得最优解，但非常接近。动态规划将介绍如何找出最优解。不过小偷去购物中心行窃时，不会强求所偷东西的总价最高，只要差不多就行了。

　　从这个示例你得到了如下启示：在有些情况下，完美是优秀的敌人。有时候，你只需找到一个能够大致解决问题的算法，此时贪婪算法正好可派上用场，因为它们实现起来很容易，得到的结果又与正确结果相当接近。

练习：

1.你在一家家具公司工作，需要将家具发往全国各地，为此你需要将箱子装上卡车。每个箱子的尺寸各不相同，你需要尽可能利用每辆卡车的空间，为此你将如何选择要装上卡车的箱子呢？请设计一种贪婪算法。使用这种算法能得到最优解吗？

　　答：种贪婪策略是，选择可装入卡车剩余空间内的最大箱子，并重复这个过程，直到不能再装入箱子为止。使用这种算法不能得到最优解。

2.你要去欧洲旅行，总行程为7天。对于每个旅游胜地，你都给它分配一个价值——表示你有多想去那里看看，并估算出需要多长时间。你如何将这次旅行的价值最大化？请设计一种贪婪算法。使用这种算法能得到最优解吗？

　　答：不断地挑选可在余下的时间内完成的价值最大的活动，直到余下的时间不够完成任何活动为止。使用这种算法不能得到最优解。

1.3集合覆盖问题

　　假设你办了个广播节目，要让全美50个州的听众都收听得到。为此，你需要决定在哪些广播台播出。在每个广播台播出都需要支付费用，因此你力图在尽可能少的广播台播出。现有广播台名单如下。

　　每个广播台都覆盖特定的区域，不同广播台的覆盖区域可能重叠。

　　如何找出覆盖全美50个州的最小广播台集合呢？听起来很容易，但其实非常难。具体方法如下。

　　(1) 列出每个可能的广播台集合，这被称为幂集（power set）。可能的子集有2n个。

　　(2) 在这些集合中，选出覆盖全美50个州的最小集合。

　　问题是计算每个可能的广播台子集需要很长时间。由于可能的集合有2n个，因此运行时间为O(2n)。如果广播台不多，只有5～10个，这是可行的。但如果广播台很多，结果将如何呢？随着广播台的增多，需要的时间将激增。假设你每秒可计算10个子集，所需的时间将如下。

　　没有任何算法可以足够快地解决这个问题！怎么办呢？

2 近似算法

　　贪婪算法可化解危机！使用下面的贪婪算法可得到非常接近的解。

　　(1) 选出这样一个广播台，即它覆盖了最多的未覆盖州。即便这个广播台覆盖了一些已覆盖的州，也没有关系。

　　(2) 重复第一步，直到覆盖了所有的州。

　　这是一种近似算法（approximation algorithm）。在获得精确解需要的时间太长时，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；
  • 得到的近似解与最优解的接近程度。

　　贪婪算法是不错的选择，它们不仅简单，而且通常运行速度很快。在这个例子中，贪婪算法的运行时间为O(n2)，其中n为广播台数量。

　　下面来看看解决这个问题的代码。

1. 准备工作

　　出于简化考虑，这里假设要覆盖的州没有那么多，广播台也没有那么多。

　　首先，创建一个列表，其中包含要覆盖的州。

states_needed = set(["mt", "wa", "or", "id", "nv", "ut", "ca", "az"])

　　我使用集合来表示要覆盖的州。集合类似于列表，只是同样的元素只能出现一次，即集合不能包含重复的元素。例如，假设你有如下列表。
　　>>> arr = [1, 2, 2, 3, 3, 3]

　　并且你将其转换为集合。
　　>>> set(arr)
　　set([1, 2, 3])

　　在这个集合中，1、2和3都只出现一次。

　　还需要有可供选择的广播台清单，我选择使用散列表来表示它。

stations = {} 
stations["kone"] = set(["id", "nv", "ut"]) 
stations["ktwo"] = set(["wa", "id", "mt"]) 
stations["kthree"] = set(["or", "nv", "ca"]) 
stations["kfour"] = set(["nv", "ut"]) 
stations["kfive"] = set(["ca", "az"])

 　　其中的键为广播台的名称，值为广播台覆盖的州。在该示例中，广播台kone覆盖了爱达荷州、内达华州和犹他州。所有的值都是集合。你马上将看到，使用集合来表示一切可以简化工作。

　　最后，需要使用一个集合来存储最终选择的广播台。

final_stations = set()

2. 计算答案

　　接下来需要计算要使用哪些广播台。根据下边的示意图，你能确定应使用哪些广播台吗？

　　正确的解可能有多个。你需要遍历所有的广播台，从中选择覆盖了最多的未覆盖州的广播台。我将这个广播台存储在best_station中。

best_station = None 
states_covered = set() 
for station, states_for_station in stations.items():

 　　states_covered是一个集合，包含该广播台覆盖的所有未覆盖的州。for循环迭代每个广播台，并确定它是否是最佳的广播台。下面来看看这个for循环的循环体。

covered = states_needed & states_for_station #它计算交集
if len(covered) > len(states_covered):
    best_station = station 
    states_covered = covered

　　下面的代码计算交集。
　　covered = states_needed & states_for_station

　　covered是一个集合，包含同时出现在states_needed和states_for_station中的州；换言之，它包含当前广播台覆盖的一系列还未覆盖的州！接下来，你检查该广播台覆盖的州是否比best_station多。

if len(covered) > len(states_covered): 
    best_station = station 
    states_covered = covered

 　　如果是这样的，就将best_station设置为当前广播台。最后，你在for循环结束后将best_station添加到最终的广播台列表中。

　　final_stations.add(best_station)
　　你还需更新states_needed。由于该广播台覆盖了一些州，因此不用再覆盖这些州。
　　states_needed -= states_covered
　　你不断地循环，直到states_needed为空。这个循环的完整代码如下。 

while states_needed: 
    best_station = None 
    states_covered = set() 
    for station, states in stations.items(): 
        covered = states_needed & states 
        if len(covered) > len(states_covered): 
            best_station = station 
            states_covered = covered   

states_needed -= states_covered 
finalstations.add(beststation)

　　 最后，你打印final_stations，结果类似于下面这样。
　　>>> print final_stations
　　set(['ktwo', 'kthree', 'kone', 'kfive'])
　　结果符合你的预期吗？选择的广播台可能是2、3、4和5，而不是预期的1、2、3和5。下面来比较一下贪婪算法和精确算法的运行时间。

 注：快速排序属于分治算法，广度优先搜索和狄克斯特拉算法属于贪婪算法。

2.1 NP 完全问题

　　为解决集合覆盖问题，你必须计算每个可能的集合。

　　这可能让你想起了旅行商问题。在这个问题中，旅行商需要前往5个不同的城市。

　　他需要找出前往这5个城市的最短路径，为此，必须计算每条可能的路径。

　　前往5个城市时，可能的路径有多少条呢？

旅行商问题详解:

　　我们从城市数较少的情况着手。假设只涉及两个城市，因此可供选择的路线有两条。

　　这两条路线相同还是不同?

　　你可能认为这两条路线相同，难道从旧金山到马林的距离与从马林到旧金山的距离不同吗？不一定。有些城市（如旧金山）有很多单行线，因此你无法按原路返回。你可能需要离开原路行驶一两英里才能找到上高速的匝道。因此，这两条路线不一定相同。

　　你可能心存疑惑：在旅行商问题中，必须从特定的城市出发吗？例如，假设我是旅行商。我居住在旧金山，需要前往其他4个城市，因此我将从旧金山出发。

　　但有时候，不确定要从哪个城市出发。假设联邦快递将包裹从芝加哥发往湾区，包裹将通过航运发送到联邦快递在湾区的50个集散点之一，再装上经过不同配送点的卡车。该通过航运发送到哪个集散点呢？在这个例子中，起点就是未知的。因此，你需要通过计算为旅行商找出起点和最佳路线。

　　在这两种情况下，运行时间是相同的。但出发城市未定时更容易处理，因此这里以这种情况为例。

　　涉及两个城市时，可能的路线有两条。

 

　　现在假设再增加一个城市，可能的路线有多少条呢？如果从伯克利出发，就需前往另外两个城市。

　　从每个城市出发时，都有两条不同的路线，因此总共有6条路线。

　　因此涉及3个城市时，可能的路线有6条。

 

　　我们再增加一个城市——弗里蒙特。现在假设从弗里蒙特出发。

　　从弗里蒙特出发时，有6条可能的路线。这些路线与前面只有3个城市时计算的6条路线很像，只是现在所有的路线都多了一个城市——弗里蒙特！这里有一个规律。假设有4个城市，你选择一个出发城市——弗里蒙特后，还余下3个城市。而你知道，涉及3个城市时，可能的路线有6条。从弗里蒙特出发时，有6条可能的路线，但还可以从其他任何一个城市出发。

　　可能的出发城市有4个，从每个城市出发时都有6条可能的路线，因此可能的路线有4 × 6 = 24条。你看出规律了吗？每增加一个城市，需要计算的路线数都将增加。

　　涉及6个城市时，可能的路线有多少条呢？如果你说720条，那就对了。7个城市为5040条，8个城市为40320条。

　　这被称为阶乘函数（factorial function），假设有10个城市，可能的路线有多少条呢？10! = 3 628 800。换句话说，涉及10个城市时，需要计算的可能路线超过300万条。正如你看到的，可能的路线数增加得非常快！因此，如果涉及的城市很多，根本就无法找出旅行商问题的正确解。

　　旅行商问题和集合覆盖问题有一些共同之处：你需要计算所有的解，并从中选出最小/最短的那个。这两个问题都属于NP完全问题。

近似求解:

　　对旅行商问题来说，什么样的近似算法不错呢？能找到较短路径的算法就算不错。在继续往下阅读前，看看你能设计出这样的算法吗？

　　我会采取这样的做法：随便选择出发城市，然后每次选择要去的下一个城市时，都选择还没去的最近的城市。假设旅行商从马林出发。

　　总旅程为71英里。这条路径可能不是最短的，但也相当短了。

　　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。很多非常聪明的人都认为，根本不可能编写出可快速解决这些问题的算法。

 

2.2 如何识别 NP 完全问题

　　Jonah正为其虚构的橄榄球队挑选队员。他列了一个清单，指出了对球队的要求：优秀的四分卫，优秀的跑卫，擅长雨中作战，以及能承受压力等。他有一个候选球员名单，其中每个球员都满足某些要求。

　　Jonah需要组建一个满足所有这些要求的球队，可名额有限。等等，Jonah突然间意识到，这不就是一个集合覆盖问题吗！

　　Jonah可使用前面介绍的近似算法来组建球队。

　　(1) 找出符合最多要求的球员。

　　(2) 不断重复这个过程，直到球队满足要求（或球队名额已满）。

　　NP完全问题无处不在！如果能够判断出要解决的问题属于NP完全问题就好了，这样就不用去寻找完美的解决方案，而是使用近似算法即可。但要判断问题是不是NP完全问题很难，易于解决的问题和NP完全问题的差别通常很小。例如，前一章深入讨论了最短路径，你知道如何找出从A点到B点的最短路径。

　　但如果要找出经由指定几个点的的最短路径，就是旅行商问题——NP完全问题。简言之，没办法判断问题是不是NP完全问题，但还是有一些蛛丝马迹可循的。

  • 元素较少时算法的运行速度非常快，但随着元素数量的增加，速度会变得非常慢。
  • 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。
  • 如果问题涉及序列（如旅行商问题中的城市序列）且难以解决，它可能就是NP完全问题。
  • 如果问题涉及集合（如广播台集合）且难以解决，它可能就是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，那它肯定是NP完全问题。

练习：

1.有个邮递员负责给20个家庭送信，需要找出经过这20个家庭的最短路径。请问这是一个NP完全问题吗？是的
2.在一堆人中找出最大的朋友圈（即其中任何两个人都相识）是NP完全问题吗？是的
3.你要制作美国地图，需要用不同的颜色标出相邻的州。为此，你需要确定最少需要使用多少种颜色，才能确保任何两个相邻州的颜色都不同。请问这是NP完全问题吗？是的

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。

 

 

 

 

 

 

 

 



 

 



 

 

 

 

 

推荐阅读