贪婪策略

本文探讨了贪婪算法在解决问题中的应用,指出它适用于某些特定类型的优化问题,并解释了为什么贪婪算法不能解决NP完全问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

问题

    如何处理不可能完成的任务(没有快速算法的问题,NP完全问题)
        那么什么是NP完全问题
    近似算法,找NP完全问题的近似解
    贪婪策略

贪婪算法

    对于一个问题,如果可以分为多个问题,那么对每个问题都采取局部最优解,那么一定会得到全局最优解(是这样吗?)
        说易于实现,怎么个易于实现法?
            解释一:直接去解决局部问题,选局部的最优解,而不去考虑对全局的影响,因为你认为局部取最优,全局就能最优,所以在代码实现中处理局部问题比统筹全局,思考联系简单粗暴多了。
    问题:
        并非处处有效
            这个处理可能会与自己制定的最优的标准有关,局部的最优标准可能对下一步选择有影响,
                具体来说就是可能第一步的最优解,会使第二步进行问题解决是的最优解的标准大大降低,或许第二步的最优解对于第一步处理时来说连中等解决方案都不如
                (其中有一个隐含的假设,每一步的解决方案选择都遵循同一套公式或者说标准,而且每一步的选择都会对被操作的客体造成影响,即每一步的操作不是相互独立的(有点像概率论与数理统计啊))。

适合贪婪算法的问题

    对于n个不同的元素组成的集合,要找出这个n个元素的一个子集,使得这个子集的元素个数最少,且能实现要求的效果,
        当然n个元素中的每个元素都对最终要求的效果产生或多或少的影响效果,所以才需要找一个所需元素最小但一样能实现最终效果的子集。

        对于n个元素的子集,其个数为2
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值