则:
A/B>1/(C+1)
即1/(C+1)即为真分数A/B包含的最大埃及分数。
设E=C+1,由于
A/B–1/E=((A×E)–B)/(B×E)
则真分数减去最大埃及分数后,得到真分数((A×E)–B)/B×E,该真分数可能存在公因子,需要化简,可以将分子和分母同时除以最大公约数。
【算法】设函数EgyptFraction实现埃及分数问题,算法用伪代码描述如下:
算法7.1:
埃及分数EgyptFraction
输入:
真分数的分子A和分母B
输出:
最少的埃及分数之和
1.E=B/A+1;
2.输出1/E;
3.A=A*E–B;B=B*E;
4.求A和B的最大公约数R,如果R不为1,则将A和B同时除以R;
5.如果A等于1,则输出1/B,算法结束;否则转步骤1重复执行;
例2TSP问题
【问题】TSP问题是指旅行家要旅行n个城市,要求各个城市经历且仅经历一次然后回到出发城市,并要求所走的路程最短。
【想法1】TSP问题的贪心策略可以采用最近邻点策略:
从任意城市出发,每次在没有到过的城市中选择最近的一个,直到经过了所有的城市,最后回到出发城市。
如图7.1(a)所示是一个无向图的代价矩阵,从顶点1出发,按照最近邻点的贪心策略,得到的路径是1→4→3→5→2→1,总代价是14,求解过程如图7.1(b)~(f)所示。
需要说明的是,用最近邻点贪心策略求解TSP问题所得的结果不一定是最优解,例如,图7.1(a)中从顶点1出发的最优解是1→2→5→4→3→1,总代价只有13。
当图中顶点个数较多并且各边的代价分布比较均匀时,最近邻点策略可以给出较好的近似解,不过,这个近似解以何种程度近似于最优解,却难以保证。
例如,在图7.1中,如果增大边(2,1)的代价,则总代价只好随之增加,没有选择的余地。
【算法1】设图G中n个顶点的编号为{1,2,…,n},cij表示顶点i到顶点j的代价(1≤i,j≤n),集合V存储图的顶点,集合P存储经过的边,从顶点w出发采用最近邻点策略求解TSP问题的算法如下:
算法7.2:
最近邻点策略求解TSP问题
输入:
无向带权图G=(V,E)
输出:
回路长度TSPLength
1.初始化:
P={};TSPLength=0;
2.u=w;V=V-{w};
3.循环直到集合P中包含n-1条边
3.1查找与顶点u邻接的最小代价边(u,v)并且v属于集合V;
3.2P=P+{(u,v)};V=V-{v};TSPLength=TSPLength+cuv;
3.3输出经过的路径uv,u=v,转步骤3继续求解;
4.输出TSPLength+cuw;
例3图着色问题
【问题】给定无向连通图G=(V,E),图着色问题(graphcoloringproblem)求图G的最小色数k,使得用k种颜色对G中的顶点着色,可使任意两个相邻顶点着不同颜色。
例如,图7.3所示的无向图可以只用两种颜色着色,将顶点1、3和4着一种颜色,将顶点2和顶点5着另外一种颜色。
【想法】假定k个颜色的集合为{1,2,…,k}。
一种显然的贪心策略是选择一种颜色,用该颜色为尽可能多的顶点着色,具体地,选取颜色1,依次考察图中的未被着色的每个顶点,如果某顶点可以用颜色1着色,换言之,该顶点的邻接点都还未被着色,则用颜色1为该顶点着色;再选择颜色2,依次考察图中的未被着色的每个顶点,如果某顶点着颜色2与其相邻顶点的着色不发生冲突,则用颜色2为该顶点着色;如果还有未着色的顶点,则选取颜色3并为尽可能多的顶点着色,依此类推。
需要说明的是,贪心法求解图着色问题得到的不一定是最优解。
考虑一个具有2n个顶点的无向图,顶点的编号从1到2n,当i是奇数时,顶点i与除了顶点i+1之外的其他所有编号为偶数的顶点邻接,当i是偶数时,顶点i与除了顶点i-1之外的其他所有编号为奇数的顶点邻接,这样的图称为二部图(bipartitegraph)。
在二部图中,顶点可以分成两个集合V1(编号为奇数的顶点集合)和V2(编号为偶数的顶点集合),并且每一条边都连接V1中的一个顶点和V2中的一个顶点。
图7.4所示就是一个具有8个顶点的二部图。
显然,二部图只用两种颜色就可以完成着色,例如,可以将奇数顶点全部着成颜色1,将偶数顶点全部着成颜色2。
如果贪心法以1,3,…,2n-1,2,4,…,2n的顺序为二部图着色,则算法可以得到这个最优解,但是如果贪心法以1,2,…,n的自然顺序为二部图着色,则算法找到的是一个需要n种颜色的解。
【算法】设数组color[n]表示顶点的着色情况,贪心法求解图着色问题的算法如下:
算法7.4:
贪心法求解图着色问题
输入:
无向连通图G=(V,E)
输出:
最小色数k
1.所有顶点置未着色状态:
2.颜色k初始化为0;
3.循环直到所有顶点均着色
3.1取下一种颜色k++;
3.2依次考察所有顶点:
3.2.1若顶点i已着色,则转步骤3.2,考察下一个顶点;
3.2.2若顶点i着颜色k不冲突,则color[i]=k;
4.输出各顶点的着色;
例4最小生成树问题——prim算法
【问题】设G=(V,E)是一个无向连通网,求G的最小生成树。
最小生成树(minimalspanningtree)是各边的权值之和最小的生成树。
【想法】最小生成树问题的贪心策略可以采用最近顶点策略:
任选一个顶点,并以此建立生成树的根结点,每一步的贪心选择是把不在生成树中的最近顶点添加到生成树中。
Prim算法就应用了这个贪心策略,它使生成树以一种自然的方式生长,即从任意顶点开始,每一步为这棵树添加一个分枝,直到生成树中包含全部顶点。
设最小生成树T=(U,TE),初始时U={u0}(u0为任意顶点),TE={}。
显然,Prim算法的关键是如何找到连接U和V-U的最短边来扩充生成树T。
对于每一个不在当前生成树中的顶点v∈V-U,必须知道它连接生成树的最短边信息。
所以,对不在当前生成树中的顶点v∈V-U,需要保存两个信息:
lowcost[v]表示顶点v到生成树中所有顶点的最短边;adjvex[v]表示该最短边在生成树中的顶点。
例如,对于图7.5(a)所示连通网,图7.5(b)~(g)给出了从顶点A出发,用Prim算法构造最小生成树的过程。
【算法】设置数组shortEdge[n]表示候选最短边集,数组元素包括adjvex和lowcost两个域,分别表示候选最短边的邻接点和权值,例如,式7-1表明候选最短边(vi,vk)的权值为w,其中vi∈V-U,vk∈U。
假设从顶点w出发构造最小生成树,则初始时,U={w},且shortEdge[w].lowcost=0,表示顶点w已加入集合U中,数组元素shortEdge[i].adjvex=0,shortEdge[i].lowcost=(w,i)的权值(1≤i≤n-1)。
然后在数组shortEdge[n]中不断选取最小权值shortEdge[k].lowcost,将shortEdge[k].lowcost置为0,表示顶点k已加入集合U中。
由于顶点k从集合V-U进入集合U后,候选最短边集发生了变化,依据式7-2更新数组shortEdge的内容:
设图G中顶点的编号为0~n-1,Prim算法如下:
算法7.5:
Prim算法
输入:
无向连通网G=(V,E),起始点w
输出:
最小生成树
1.初始化辅助数组shortEdge;
2.U={w};输出顶点w;
3.重复执行下列操作n-1次
3.1在lowcost中选取最短边,取adjvex中对应的顶点序号k;
3.2输出顶点k和对应的权值;
3.3U=U+{k};
3.4调整数组shortEdge;
例5最小生成树问题——Kruskal算法
【想法】最小生成树问题的贪心策略可以采用最短边策略:
设最小生成树的边集为TE,最短边策略从TE={}开始,每一次贪心选择都是在边集E中选取最短边(u,v),如果边(u,v)加入集合TE中不产生回路,则将边(u,v)加入边集TE中,并将它在集合E中删去。
Kruskal算法就应用了这个贪心策略,它使生成树以一种随意的方式生长,先让森林中的树木随意生长,每生长一次就将两棵树合并,到最后合并成一棵树。
Kruskal算法对图7.6(a)所示无向连通网构造最小生成树的过程如图7.6(b)~(f)所示,其中,粗边表示已加入边集TE中。
【算法2】设图G中顶点的编号为0~n-1,Kruskal算法如下:
算法7.6:
Kruskal算法
输入:
无向连通网G=(V,E)
输出: