Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
1 Α. Βαφειάδης Αναβάθμισης Προγράμματος Σπουδών Τμήματος Πληροφορικής Τ.Ε.Ι Θεσσαλονίκης Μάθημα Προηγμένες Αρχιτεκτονικές Υπολογιστών Κεφαλαίο Πρώτο Αρχιτεκτονική.
Advertisements

Πιθανοκρατικοί Αλγόριθμοι
ΠΕΡΙΕΧΟΜΕΝΑ Το κόστος (ιδίων) κεφαλαίου των επιμέρους επενδυτικών σχεδίων μιας επιχείρησης Υπολογισμός του Κόστους Κεφαλαίου της επιχείρησης (WACC) Ισοδύναμο.
Ασκήσεις Συνδυαστικής
ΕΠΛ432: Κατανεμημένοι Αλγόριθμοι
Κεφάλαιο 6 Υλοποίηση Γλωσσών Προγραμματισμού
Λογισμικο συστηματοσ Κεφάλαιο 4ο
Επίπεδα Γραφήματα : Προβλήματα και Υπολογιστική Πολυπλοκότητα TexPoint fonts used in EMF. Read the TexPoint manual before you delete this box.: AA A AA.
Εκτέλεση Αλγορίθμων σε ψευδογλώσσα
Μεταγωγή (Switching) Λειτουργία: συνδέει εισόδους σε εξόδους, έτσι ώστε τα bits ή τα πακέτα που φτάνουν σε ένα σύνδεσμο, να φεύγουν από έναν άλλο επιθυμητό.
Αλγόριθμοι Ταξινόμησης
Page  1 Ο.Παλιάτσου Γαλλική Επανάσταση 1 ο Γυμνάσιο Φιλιππιάδας.
Αλγόριθμοι και Πολυπλοκότητα
Εισαγωγικές Έννοιες Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
Επιλογή Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο.
Στατιστική Ι Παράδοση 5 Οι Δείκτες Διασποράς Διασπορά ή σκεδασμός.
Γραφήματα & Επίπεδα Γραφήματα
Β΄ ΓΕΛ ΕισΑρχΕπ Η/Υ παρ – 2.2.5
Σχέση Απόδοσης- Κινδύνου στα Πλαίσια της Θεωρίας Χαρτοφυλακίου
ΙΣΟΛΟΓΙΣΜΟΣ ΒΑΣΕΙ Δ.Λ.Π. (ΕΝΑΡΞΗΣ)
Κοντινότεροι Κοινοί Πρόγονοι α βγ θ δεζ η π ν ι κλμ ρσ τ κκπ(λ,ι)=α, κκπ(τ,σ)=ν, κκπ(λ,π)=η κκπ(π,σ)=γ, κκπ(ξ,ο)=κ ξο κκπ(ι,ξ)=β, κκπ(τ,θ)=θ, κκπ(ο,μ)=α.
Διαίρει-και-Βασίλευε
Δυναμικός Προγραμματισμός
1 Θεματική Ενότητα Γραφήματα & Επίπεδα Γραφήματα.
Προσεγγιστικοί Αλγόριθμοι
Εργαστήριο Δασικής Διαχειριστικής & Τηλεπισκόπησης ΠΑΡΟΥΣΙΑΣΗ ΔΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Διδάσκων Δημήτριος Καραμανώλης, Επίκουρος Καθηγητής ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ.
Τυχαιοκρατικοί Αλγόριθμοι TexPoint fonts used in EMF. Read the TexPoint manual before you delete this box.: AA Πιθανότητες και Αλγόριθμοι Ανάλυση μέσης.
1 Χαρακτηριστικά ενός Μ/Μ/1 συστήματος : Αφίξεις κατανεμημένες κατά Poisson Εκθετικά κατανεμημένοι χρόνοι εξυπηρέτησης Οι χρόνοι εξυπηρέτησης είναι αμοιβαία.
ΑΝΑΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΚΕΦΑΛΑΙΟ 1ο ΚΕΦ. 1-ΑΝΑΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΑΕΠΠ.
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Δευτέρα, 12 Ιανουαρίου 2015Δευτέρα, 12 Ιανουαρίου 2015Δευτέρα, 12 Ιανουαρίου 2015Δευτέρα, 12 Ιανουαρίου.
Μεταθέσεις & Συνδυασμοί
Αλγόριθμοι και Πολυπλοκότητα
Γράφοι: Προβλήματα και Αλγόριθμοι
Σχεδιαση Αλγοριθμων - Τμημα Πληροφορικης ΑΠΘ - Κεφαλαιο 9ο1 Άπληστοι αλγόριθμοι βελτιστοποίησης Προβλήματα βελτιστοποίησης λύνονται με μια σειρά επιλογών.
Προσεγγιστικοί Αλγόριθμοι για NP-Δύσκολα Προβλήματα
Θεωρία Γράφων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές
Ουρά Προτεραιότητας: Heap
Συντομότερες Διαδρομές
Μηχανές Turing και Υπολογισιμότητα
Εξόρυξη Δεδομένων και Αλγόριθμοι Μάθησης. K-means k-windows k-means: 2 φάσεις 1. Μια διαμέριση των στοιχείων σε k clusters 2. Η ποιότητα της διαμέρισης.
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών – Τμήμα Πληροφορικής και Τηλεπικοινωνιών 1 Κεφάλαιο 3 Η Σημασιολογία των Γλωσσών Προγραμματισμού Προπτυχιακό.
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Τμ.
Ελάχιστο Συνδετικό Δέντρο
Δομές Δεδομένων - Ισοζυγισμένα Δυαδικά Δένδρα (balanced binary trees)
1 Βάσεις Δεδομένων ΙI Επιμέλεια: ΘΟΔΩΡΗΣ ΜΑΝΑΒΗΣ SQL (3 από 3) T Manavis.
ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ 2: ΘΕΜΑΤΑ ΘΕΩΡΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Η/Υ
Υπολογιστική Πολυπλοκότητα Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό.
ΒΑΣΙΚΕΣ ΟΙΚΟΝΟΜΙΚΕΣ ΕΝΝΟΙΕΣ
Λεξικό, Union – Find Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
Θεωρία Γράφων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές
Αναζήτηση Κατά Βάθος Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο.
Quicksort Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο.
Χρονική Πολυπλοκότητα και Μοντέλα
Διπλωματική Εργασία Πειραματική Αξιολόγηση της Μοναδιαίας Οκνηρής Συνέπειας Τόξου (Singleton Lazy Arc Consistency) Ιωαννίδης Γιώργος (ΑΕΜ: 491)
ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ §3.7 ΤΑΞΙΝΟΜΗΣΗ
Ασυμπτωτικός Συμβολισμός
 Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον:  Τεχνικές Διδασκαλίας.
Δομές Δεδομένων 1 Θέματα Απόδοσης. Δομές Δεδομένων 2 Οργανώνοντας τα Δεδομένα  Η επιλογή της δομής δεδομένων και του αλγορίθμου επηρεάζουν το χρόνο εκτέλεσης.
1 Διαχείριση Έργων Πληροφορικής Διάλεξη 7 η Διαχείριση Πόρων.
ΘΕΣΜΟΣ ΦΡΟΝΤΙΣΤΗΡΙΟ Μ.Ε επιμέλεια: ΚΕΡΜΕΝΙΔΟΥ ΗΛΙΑΝΑ ΘΕΜΑ Α Α1 Απόδειξη σελ.150 Α2 Ορισμός σελ.87 Α3 Ορισμός σελ.14 Α4Σ,Λ,Σ,Σ,Λ.
Προβλήματα Ικανοποίησης Περιορισμών
ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΕΞΕΛΙΚΤΙΚΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ
Διδάσκων: Δρ. Τσίντζα Παναγιώτα
Αξιολόγηση επενδύσεων
Εισαγωγή στο Γραμμικό Προγραμματισμό
ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΕΞΕΛΙΚΤΙΚΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ
ΧΡΟΝΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΩΝ
Στοιχεία Χωρικής Πολυπλοκότητας
Μεταγράφημα παρουσίασης:

Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Άπληστοι Αλγόριθμοι Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης Επιμέλεια διαφανειών: Δ. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο

Άπληστοι Αλγόριθμοι ... για προβλήματα βελτιστοποίησης: Πλεονεκτήματα: Λειτουργούν σε βήματα. Κάθε βήμα κάνει μια αμετάκλητη επιλογή για λύση. Άπληστη επιλογή: αυτό που φαίνεται καλύτερο με βάση τρέχουσα κατάσταση και κάποιο (απλό) κριτήριο. Ίδια στρατηγική στο υποπρόβλημα που προκύπτει. Πλεονεκτήματα: Γρήγοροι, απλοί, και «φυσιολογικοί» αλγόριθμοι. Εφαρμόζεται (επιτυχώς) σε πολλά και σημαντικά προβλήματα. Μειονεκτήματα: Βέλτιστη λύση μόνο υπό προϋποθέσεις! Βέλτιστη λύση: απόδειξη ορθότητας (συν. επαγωγή). Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Άπληστη Στρατηγική Ταξινόμηση συνιστωσών με βάση κάποιο απλό κριτήριο. (Αμετάκλητη) επιλογή καθορίζει αν «καλύτερη» συνιστώσα θα συμπεριληφθεί στη λύση. Επιλογή με κάποιον απλό κανόνα. Ίδια στρατηγική σε υποπρόβλημα που προκύπτει. Μη-προσαρμοστικός: ίδια ταξινόμηση σε όλα τα βήματα. Προσαρμοστικός: αλλάζει ταξινόμηση σε κάθε βήμα. Χρόνος εκτέλεσης συνήθως καθορίζεται από επιλογή «καλύτερης» συνιστώσας σε κάθε βήμα. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Επιλογή Δραστηριοτήτων n δραστηριότητες: αρχή και τέλος (π.χ. μαθήματα, υπολογιστικές διεργασίες). Επιλογή δραστηριοτήτων χωρίς χρονικές επικαλύψεις και δρομολόγηση σε κοινό πόρο (π.χ. αίθουσα διδασκαλίας, επεξεργαστής). Ζητούμενο: δρομολόγηση μέγιστου #δραστηριοτήτων. Πρόβλημα συνδυαστικής βελτιστοποίησης: Κάθε δρομολόγηση χωρίς επικαλύψεις: εφικτή λύση. Ζητούμενο: εφικτή δρομολόγηση με μέγιστο #δραστηριοτήτων. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Παράδειγμα Βέλτιστη λύση: 4 δραστηριότητες. Π.χ. {1, 3, 6, 8}, {2, 4, 7, 10}, {1, 4, 7, 10}, … Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Άπληστος Αλγόριθμος Κριτήριο άπληστης επιλογής; Ελάχιστος χρόνος ολοκλήρωσης. Ταξινόμηση σε αύξουσα σειρά χρόνου ολοκλήρωσης. Επόμενη δραστηριότητα: Δρομολογείται αν είναι εφικτό (πόρος είναι ελεύθερος). Αγνοείται αν δρομολόγηση δεν είναι εφικτή. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Υλοποίηση Χρόνος Ο(n log n) (ταξινόμηση ως προς χρόνο ολοκλήρωσης). Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Υπολογισμός Βέλτιστης Λύσης Βέλτιστη λύση: απόδειξη ορθότητας (επαγωγή). Βασίζεται σε δύο ιδιότητες (απαραίτητες!): Αρχή βελτιστότητας (βέλτιστες επιμέρους λύσεις): Κάθε τμήμα βέλτιστης λύσης αποτελεί βέλτιστη λύση για αντίστοιχο υποπρόβλημα. π.χ. κάθε τμήμα μιας συντομότερης διαδρομής είναι συντομότερη διαδρομή μεταξύ των άκρων του. Χαρακτηριστικό και δυναμικού προγραμματισμού. Ιδιότητα άπληστης επιλογής: Υπάρχει βέλτιστη λύση που συμφωνεί με την άπληστη επιλογή που κάνει ο αλγόριθμος. ... ή ισοδύναμα: η άπληστη επιλογή μπορεί να οδηγήσει σε βέλτιστη λύση. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Ορθότητα Επαγωγή στον #δραστηριοτήτων. Υποθέτουμε πάντα ότι Βάση: αν 1 δραστ., αυτή επιλέγεται πάντα. Έστω αλγ. υπολογίζει βέλτιστη λύση για  n – 1 δραστ. Θδο. υπολογίζει βέλτιστη λύση για σύνολο Α με n δραστ. Αλγ. επιλέγει 1 ( f1 ) και βέλτιστη λύση C*(A) βέλτιστη λύση και j δραστ. C*(A) ολοκληρώνεται πρώτη. #δραστηριοτήτων άπληστου αλγ. Άπληστη επιλογή: βέλτιστη. Άπληστος αλγόριθμος υπολογίζει βέλτιστη λύση για Α. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Ορθότητα Αποδείξαμε ότι Ιδιότητα άπληστης επιλογής: (Άπληστη) επιλογή δραστηριότητας με ελάχιστο χρόνο ολοκλήρωσης οδηγεί σε συνολικά βέλτιστη λύση. Ιδιότητα βέλτιστων επιμέρους λύσεων: Βέλτιστη λύση περιέχει βέλτιστη λύση για υποπρόβλημα Α1 (δραστ. που δεν επικαλύπτονται με πρώτη). Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Χρωματισμός Διαστημάτων n διαστήματα: αρχή και τέλος Χρωματισμός όλων ώστε επικαλυπτόμενα διαστήματα να έχουν διαφορετικό χρώμα. Ζητούμενο: χρωματισμός με ελάχιστο #χρωμάτων. Άπληστος αλγόριθμος: Ταξινόμηση με χρόνο έναρξης. Κάθε διάστημα που αρχίζει παίρνει πρώτο διαθέσιμο χρώμα. Κάθε διάστημα που τελειώνει «απελευθερώνει» το χρώμα του. Χρήση χρώματος d ≥ 2 μόνο αν επικάλυψη d διαστημάτων. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011)

Δρομολόγηση Εργασιών Ένας εξυπηρετητής (π.χ. επεξεργαστής, εκτυπωτής, ταμίας). Σύνολο Ν με n εργασίες: χρόνο εκτέλεσης (π.χ. υπολογιστικές διεργασίες, εκτυπώσεις, συναλλαγές). Δρομολόγηση για ελαχιστοποίηση συνολικού (ισοδύναμα, μέσου) χρόνου εξυπηρέτησης. t1 = 8, t2 = 7, t3 = 2, t4 = 5. 1, 2, 3, 4: 8 + 15 + 17 + 22 = 62. 3, 4, 2, 1: 2 + 7 + 14 + 22 = 45. Δρομολόγηση: μετάθεση Χρόνος εξυπηρέτησης i : Συνολικός χρόνος εξυπηρέτησης: Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Άπληστος Αλγόριθμος Δρομολόγηση σε αύξουσα σειρά χρόνου εκτέλεσης: Συνολικός χρόνος εξυπηρέτησης: Βέλτιστος γιατί όσο μεγαλύτερος χρόνος εκτέλεσης, τόσο λιγότερες φορές συνεισφέρει στο συνολικό χρόνο εξυπηρέτησης. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Ορθότητα: Επιχείρημα Ανταλλαγής Ορθότητα: Επιχείρημα Ανταλλαγής Έστω π* βέλτιστη δρομολόγηση, Τ(π*) συνολικός χρόνος. λ*(j) : σειρά εργασίας j στη βέλτιστη δρομολόγηση. Έστω π* διαφορετική από άπληστη: k πρώτη που δρομολογείται αργότερα στην π*: λ*(k) > k j αυτή που δρομολογείται k-οστή στην π*: λ*(j) = k … συμφωνούν σε k – 1 αρχικές: k < j και tk και tj στο T(π*): Ανταλλαγή k και j: (k πηγαίνει στη θέση που έχει στην άπληστη δρομολόγηση). Διαφορά: Έτσι π* γίνεται ίδια με άπληστη χωρίς αύξηση χρόνου. Άπληστη δρομολόγηση είναι βέλτιστη. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Ιδιότητες Ιδιότητα άπληστης επιλογής: Για κάθε k, βέλτιστη δρομολόγηση π* συμφωνεί με άπληστη στη σειρά των k πρώτων εργασιών. (Άπληστη) επιλογή συντομότερης διαθέσιμης  βέλτιστη. Ιδιότητα βέλτιστων επιμέρους λύσεων: . Αν αγνοήσουμε t1 , π* παραμένει βέλτιστη για υπόλοιπες. Απόδειξη ορθότητας: (επαγωγική) εφαρμογή ιδιότητας άπληστης επιλογής. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Πρόβλημα του Περιπτερά Κέρματα αξίας 1, 5, και 20 λεπτών. Ρέστα ποσό x με ελάχιστο #κερμάτων. Αλγόριθμος: Όσο περισσότερα 20λεπτα: Όσο περισσότερα 5λεπτα: Υπόλοιπα 1λεπτα: Βέλτιστη λύση χρησιμοποιεί ίδιο #κερμάτων: 20λεπτα: Δεν μπορεί περισσότερα. Βελτιώνεται αν λιγότερα. Αν ίδιο #20λέπτων, τότε ίδιο #5λέπτων. … επαγωγή στα πλήθος διαφορετικών κερμάτων. Δουλεύει αλγόριθμος αν κέρματα 1, 12, και 20 λεπτών; Π.χ. ρέστα 24 λεπτά. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Κλασματικό Πρόβλημα Σακιδίου Δίνονται n είδη και ένα σακίδιο μεγέθους Β. Είδος i διαθέσιμο σε ποσότητα si με αξία pi : Είδος i μπορεί να συμπεριληφθεί στο σακίδιο σε οποιοδήποτε ποσοστό. Ζητείται συλλογή μέγιστης αξίας που χωράει στο σακίδιο. Είδη: { (3, 5), (2, 7), (4, 4), (6, 8), (5, 4) } Μέγεθος σακιδίου: 10. Βέλτιστη λύση = { 1(3, 5), 1(2, 7), (5/6)(6, 8) } Βέλτιστη αξία = 5 + 7 + (5/6)8 = 18.3333 Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Άπληστος Αλγόριθμος Είδη N = {1, …, n}, σακίδιο μεγέθους Β. Βέλτιστη λύση Βέλτιστες Επιμέρους Λύσεις. Αγνοούμε είδος i : . βέλτιστη λύση για Ν \ { i } με σακίδιο Είδος i : (αξία / μονάδα μεγέθους) Είδη σε φθίνουσα σειρά ri : Όσο περισσότερο από i χωράει στο (διαθέσιμο) σακίδιο. Αναπροσαρμογή διαθέσιμου σακιδίου και επόμενο είδος. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Υλοποίηση Χρόνος Ο(n log n) (ταξινόμηση ως προς λόγο αξίας / μέγεθος). Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Άπληστη Επιλογή Έστω βέλτιστη λύση Έστω άπληστη λύση Ιδιότητα άπληστης επιλογής: Υπάρχει βέλτιστη λύση: Απληστία: καμία λύση με περισσότερο από είδος 1. Αν βέλτιστη , αντικαθιστούμε μονάδες άλλου είδους (ή κενού) με είδος 1: Αποδεκτή λύση γιατί Αξία δεν μειώνεται. Απόδειξη ορθότητας με επαγωγική εφαρμογή ιδιότητας άπληστης επιλογής. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Ορθότητα Επαγωγή στον #ειδών. Βάση: 1 είδος. Άπληστη επιλογή: Επαγωγική υπόθεση: ειδών  n – 1, άπληστη = βέλτιστη. Θεωρούμε n είδη. Άπληστη επιλογή: Στιγμιότυπο με n – 1 είδη και σακίδιο Επαγωγική υπόθεση: βέλτιστη λύση. Συνολικά για n είδη: Άπληστος αλγόριθμος υπολογίζει βέλτιστη λύση. Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι

Άπληστη Στρατηγική Ταξινόμηση συνιστωσών με βάση κάποιο κριτήριο (π.χ. σακίδιο: είδη σε φθίνουσα σειρά αξία / μέγεθος). (Αμετάκλητη) επιλογή καθορίζει αν «καλύτερη» (βλ. «επόμενη») συνιστώσα θα συμπεριληφθεί στη λύση. Ίδια στρατηγική σε υπο-πρόβλημα που προκύπτει. Μη-προσαρμοστικός: ίδια ταξινόμηση σε όλα τα βήματα. Προσαρμοστικός: αλλάζει ταξινόμηση σε κάθε βήμα. Χρόνος εκτέλεσης καθορίζεται από χρόνο ταξινόμησης. Βέλτιστη λύση: απόδειξη ορθότητας (συνήθ. επαγωγή). Ιδιότητα άπληστης επιλογής. Αρχή βελτιστότητας (βέλτιστες επιμέρους λύσεις). Αλγόριθμοι & Πολυπλοκότητα (Χειμώνας 2011) Άπληστοι Αλγόριθμοι