贪心算法
贪心算法（Greedy Algorithm）是一种常见的优化算法，用于解决一类最优化问题。在每一步选择中，贪心算法总是选择当前看起来最优的选择，而不考虑该选择会不会影响未来的选择。这种贪心选择的策略通常是局部最优的，但不一定是全局最优的。
贪心算法适用于一些特定类型的问题，特别是那些具有贪心选择性质和最优子结构性质的问题。贪心选择性质是指每一步的局部最优选择最终能够导致全局最优解。最优子结构性质是指问题的最优解包含子问题的最优解。
贪心算法的基本思想如下：
- 首先定义问题的优化目标，明确要求找到最大值或最小值。
- 从问题的所有可选解中，选择一个局部最优解，作为当前的选择。
- 接着，检查该局部最优解是否满足问题的约束条件和要求。
- 如果满足约束条件和要求，则将该局部最优解加入到最终解集合中。
- 否则，舍弃该局部最优解，并回到第2步，继续选择下一个局部最优解。
- 最终得到的解集合就是整个问题的全局最优解。
需要注意的是，贪心算法并不适用于所有类型的问题。在某些问题中，贪心算法可能会得到次优解或者不正确的结果。因此，在应用贪心算法时，必须要确保问题具有贪心选择性质和最优子结构性质，并进行充分的验证和证明。
硬币兑换问题（Coin changing）
给定货币面额：1、5、10、25、100，设计一种使用最少数量的硬币向客户支付金额的方法
收银员算法（Cashier’s algorithm）
在每次迭代中，添加最大价值的硬币，这不会让我们超过要支付的金额
代码语言：javascript复制def cashier_algorithm(amount, coins):
coins.sort(reverse=True) # 将硬币面额按降序排列
change = []
remaining_amount = amount
# 从硬币最高金额开始遍历
for coin in coins:
# 最多能使用几个当前最大面额硬币支付剩余部分金额
num_of_coins = remaining_amount // coin
# 减去支付硬币总金额，获得剩余金额
remaining_amount -= num_of_coins * coin
# 向找零列表里添加相应的硬币
change.extend([coin] * num_of_coins)
return change
# 测试例子
amount_to_pay = 68
currency_coins = [1, 5, 10, 25, 100]
result = cashier_algorithm(amount_to_pay, currency_coins)
print(result) # 输出结果：[25, 25, 10, 5, 1, 1, 1]最优解的性质
k | Ck | all optimal solutions must satisfy | max value of coins c1, c2, …, ck–1 in any OPT |
|---|---|---|---|
1 | 1/P | P<=4 | - |
2 | 5/N | N<=1 | 4 |
3 | 10/D | N D<=2 | 4 5=9 |
4 | 25/Q | Q<=3 | 20 4=24 |
5 | 100 | no limit | 75 24=99 |
P表示Pennies（1分钱），N表示Nickels（5分钱），最优解的条件就是所找的零钱数已经是最少的，不能有更少情况产生。例如第一行所示情况，超过四个P存在的话就可以利用5个P合成一个N，而第三行N和D不能同时存在两个以上是由于1N 2D->1Q，2N D->2D，都存在更少硬币的解决方案
收银员算法是最优的么
不是，对于很多情况，收银员算法都不是最优的
示例一
美国邮戳: 1, 10, 21, 34, 70, 100, 350, 1225, 1500。现在要考虑找回客人140元
- 收银员算法的结果：140 = 100 34 1 1 1 1 1 1.
- 实际最优结果：140 = 70 70.
示例二
甚至某些情况下收银员算法都不能找到有效的解
硬币种类：7，8，9。现在考虑找回客人15元
- 收银员算法的结果：15 = 9 ???
- 实际最优结果：15 = 8 7
间隔调度问题（interval scheduling）
- 工作j在s_j时开始，在f_j时结束
- 我们说两个工作是兼容（compatible）的，如果它们相互之间没有重叠（overlap）
目标
找到相互兼容的工作的最大子集
Greedy template
以某种自然顺序考虑工作。接受每份工作，前提是它与已经接受的工作兼容
最早开始时间（Earliest start time）
按照开始时间排序，从最早开始的工作依次考虑
最早结束时间（Earliest finish time）
按照结束时间排序，从最早结束的工作依次考虑
最短间隔（Shortest interval）
按照间隔时间f_j-s_j排序，从间隔最短的工作开始依次考虑
最少冲突（Fewest conflicts）
对于每项工作，统计与其冲突的工作的数量，并按照冲突数从小到大排序，从冲突最少的工作开始考虑
最早开始，最短间隔和最少冲突都不是最优的，其反例如下：
最早结束时间（EFT）算法实现
代码语言：javascript复制def earliest_finish_time(schedules):
# 将活动按结束时间进行排序
sorted_schedules = sorted(schedules, key=lambda x: x[1])
# 选择的活动列表
selected_activities = []
# 当前结束时间
current_end_time = 0
# 遍历排序后的活动
for activity in sorted_schedules:
start_time, end_time = activity
# 如果活动的开始时间晚于或等于当前结束时间，则选择该活动
if start_time >= current_end_time:
selected_activities.append(activity)
current_end_time = end_time
return selected_activities
# 示例活动列表，每个元组表示一个活动的开始和结束时间
activities = [(1, 3), (2, 5), (3, 6), (5, 7), (4, 8), (8, 10)]
selected_activities = earliest_finish_time(activities)
print("Selected activities:", selected_activities)EFT分析
假设我们有一组按结束时间排序的活动集合S={1,2,…,n}，其中每个活动i具有开始时间si和结束时间fi，且f_i<=f_{i 1}
现在我们想要证明选择最早结束时间的活动总是安全的，即它总是包含在某个最大兼容活动集合中。
- 贪心选择性质：假设 A 是活动集合 S 的最大兼容活动集合，活动1具有最早的结束时间。我们的目标是证明活动1总是包含在 A 的最优解中。
- 数学归纳：
- 基本情况：如果只有一个活动，则选择它是显而易见的最优解。
- 归纳步骤：假设对于 k < n 的情况，选择最早结束的活动总是最优的。现在我们考虑有 n 个活动的情况。
- 交换论证：假设活动1不在最优解 A 中，让活动 k 是 A 中结束最早的活动。由于活动1和活动 k 的结束时间不冲突，并且活动1的结束时间早于活动 k ，我们可以将活动1替换为活动 k 并获得另一个兼容活动集合。由于我们并没有减少活动的数量，因此新的解至少与原始解一样好。
- 结论：通过反证法和归纳基础，我们证明了选择最早结束的活动总是最优的选择，并且总是存在于最大兼容活动集合的最优解中。
间隔划分问题（Interval partitioning）
区间划分问题（Interval Partitioning Problem）是一类组合优化问题，涉及将一组给定的时间区间分配给一组有限的资源，以便满足某些约束条件。这类问题在日程安排、会议室预订、频谱分配等多个领域都有应用。
基本区间划分问题是指给定一组活动或任务，每个都有开始时间和结束时间。目标是将这些活动分配给尽可能少的资源（例如会议室、机器等），同时确保没有两个在同一资源上分配的活动在时间上重叠。
例如，假设你有一系列会议，并且需要找到最少数量的会议室，以便所有会议都可以在没有时间冲突的情况下进行。这就是区间划分问题的一个典型实例。
Greedy template
最早开始时间（Earliest start time）
按照开始时间排序，从最早开始的工作依次考虑
最早结束时间（Earliest finish time）
按照结束时间排序，从最早结束的工作依次考虑
最短间隔（Shortest interval）
按照间隔时间f_j-s_j排序，从间隔最短的工作开始依次考虑
最少冲突（Fewest conflicts）
对于每项工作，统计与其冲突的工作的数量，并按照冲突数从小到大排序，从冲突最少的工作开始考虑
最早结束，最短间隔和最少冲突都不是最优的，相应的反例如下图所示：
def earliest_start_time(jobs):
# 按照开始时间对工作进行排序
sorted_jobs = sorted(jobs, key=lambda job: job[0])
# 初始化一个列表来存储分组结果
partitions = []
for job in sorted_jobs:
added_to_partition = False
# 遍历现有分组，找到第一个没有时间冲突的分组，将工作添加进去
for partition in partitions:
if job[0] >= partition[-1][1]:
partition.append(job)
added_to_partition = True
break
# 如果没有找到可以加入的现有分组，就创建一个新的分组
if not added_to_partition:
partitions.append([job])
return partitions
# 示例
if __name__ == "__main__":
# 示例工作列表，每个工作由开始时间和结束时间构成
jobs = [(1, 4), (3, 6), (2, 5), (7, 10), (8, 11), (9, 12), (5, 8)]
result = earliest_start_time(jobs)
print("工作分组结果:")
for i, partition in enumerate(result):
print(f"分组 {i 1}: {partition}")EST分析
定理: 最早开始时间优先算法是最优的。
证明:
- 定义：令 d 等于算法分配的教室数量。
- 步骤 1：教室 d 是开放的，因为我们需要安排一次讲座，比如讲座 j，与前 d - 1 个教室中的所有讲座都不兼容。
- 步骤 2：这 d 门讲座都在讲座 j 的开始时间 s_j 之后结束。
- 步骤 3：由于我们按开始时间排序，所以所有这些不兼容性都是由不晚于 s_j 开始的讲座引起的。
- 步骤 4：因此，在时间 s_j varepsilon（其中 varepsilon 是一个很小的正数），我们有 d 门讲座重叠。
- 关键观察：所有时间表都使用了 geq d 个教室。
这个证明基于一系列逻辑步骤，通过观察在时间 s_j varepsilon 有 d 门讲座重叠的事实，得出至少需要 d 个教室的结论。由于EST算法使用了恰好 d 个教室，所以它是最优的。
最小化迟到问题（Scheduling to minimizing lateness）
“Minimizing Lateness Problem”（最小化延迟问题）是一种经典的调度问题，要求在一个资源同时处理一个作业的情况下，安排作业的执行顺序，以最小化最大延迟（maximum lateness）。
在这个问题中，每个作业有三个关键时间参数：
- tᵢ：作业 j 需要 tᵢ 单位的处理时间。
- dᵢ：作业 j 的截止时间（deadline），即作业必须在 dᵢ 时刻之前完成。
- sᵢ：作业 j 的开始时间（start time），即作业从 sᵢ 时刻开始执行。
如果作业在其截止时间之前完成，其延迟（lateness）为0；如果作业在截止时间之后完成，其延迟为正值，表示作业的延迟时间。每个作业的延迟 ℓᵢ 可以通过以下公式计算： ℓᵢ = max{0, fᵢ - dᵢ}
其中 fᵢ = sᵢ tᵢ 表示作业 j 的完成时间。
目标是找到一个作业的执行顺序，使得所有作业的最大延迟 L = maxᵢ ℓᵢ 最小化。
这个问题属于NP-hard问题，通常使用贪心算法或动态规划等近似算法来求解。
总之，最小化延迟问题是一个重要的调度问题，需要通过适当的算法来安排作业的执行顺序，以最小化整体延迟，从而提高任务执行的效率和及时性。
Greedy template
处理时间最短优先（Shortest processing time first）
按处理时间tj升序安排作业顺序
最早截止日期优先（Earliest deadline first）
按照截止日期dj从早到晚排序，以此顺序安排作业
最紧迫优先（Smallest slack）
按照紧迫性dj-tj升序安排作业顺序
处理时间最短优先和紧迫性优先都不是最优的，以下是相应的一些反例
EDF实现
代码语言：javascript复制def earliest_deadline_first(jobs):
# 按照截止日期从早到晚进行排序
sorted_jobs = sorted(jobs, key=lambda job: job[2])
print(sorted_jobs)
# 初始化当前时间和最大延迟
current_time = 0
max_lateness = 0
# 创建列表存储工作顺序，开始时间和结束时间
res_list=[]
# 遍历工作并计算延迟
for job in sorted_jobs:
finish_time = current_time job[1] # 计算工作的完成时间
lateness = max(0, finish_time - job[2]) # 计算延迟
max_lateness = lateness # 更新最大延迟
res_list.append([job[0], current_time, finish_time])
current_time = job[1] # 更新当前时间
return res_list, max_lateness
# 示例
if __name__ == "__main__":
# 示例工作列表，每个工作由编号,处理时间和截止时间构成
jobs = [(1, 3, 6), (2, 2, 8), (3, 1, 9), (4, 4, 9), (5, 3, 14), (6, 2, 15)]
result = earliest_deadline_first(jobs)
print(result)EDF分析
定理：最早截止日期优先调度（EDF）是最优的。
证明：反证法
假设存在一个最优调度 S*，它具有最少的逆序对（inversions），让我们看看会发生什么。
我们可以假设 S* 没有空闲时间，因为任何空闲时间都可以用 S 中的任务填充，而不影响延迟。 如果 S* 没有逆序对，则 S = S，因为这两个调度具有相同的任务顺序和延迟。 现在，考虑 S 有一个逆序对 i-j，其中 i 被调度在 j 之前，但根据最早截止日期优先的顺序，i 应该在 j 之后被调度。 通过交换任务 i 和 j，最大延迟不会增加。这是因为延迟被定义为所有任务中的最大延迟，而交换 i 和 j 只会改变 i 和 j 的完成时间，但最大延迟保持不变。
然而，通过交换 i 和 j，我们严格减少了调度中逆序对的数量。这是因为 i-j 是一个逆序对，但是在交换后，j-i 就不再是一个逆序对。由于在 S* 中没有比 S* 更少的逆序对，交换 i 和 j 与 S* 的定义相矛盾。
因此，我们得到了矛盾，即假设存在一个最优调度 S* 具有比 S 更少的逆序对是错误的。因此，最早截止日期优先调度 S 是最优的，没有其他调度能够具有更少的逆序对并实现更小的最大延迟。
最佳离线缓存问题（Optimal offline caching）
“Optimal offline caching”（最优离线缓存）是指在一个离线环境中，根据已知的访问模式和缓存大小，设计一种缓存策略，使得缓存的命中率最高，从而最小化缓存未命中（缺失）带来的代价。
- 缓存容量capacity：缓存具有存储 k 个数据项的容量。
- 数据请求序列Sequence：用户请求一系列的 m 个数据项，表示为 d1, d2, …, dm。
- 缓存命中Cache hit：如果用户请求的数据项已经在缓存中，那么就发生了缓存命中。
- 缓存未命中Cache miss：如果用户请求的数据项不在缓存中，那么就发生了缓存未命中。在这种情况下，必须将所请求的数据项带入缓存，并在缓存已满时选择某些现有的数据项进行替换。
目标：我们的目标是找到最佳的缓存替换策略，使得在数据请求序列中发生的缓存未命中次数最少，从而尽量减少替换带来的代价。
Greedy template
LIFO / FIFO
先进先出/后进先出策略，遇到缓存命中而缓存区已满情况时，优先移除先进/后进的数据项
LRU（Least Recently Used）
当缓存已满时，选择最近最少使用的数据项进行替换。也就是说，当有新的数据项需要加入缓存时，LRU策略会将最久未被使用的数据项淘汰，以腾出空间给新的数据项。
LFU （Least Frequently Used）
当缓存已满时，选择最不常用的数据项进行替换。也就是说，当有新的数据项需要加入缓存时，LFU策略会将被访问次数最少的数据项淘汰，以腾出空间给新的数据项。
FIF算法
Farthest-in-Future（FIF）算法，也称为预知算法（clairvoyant algorithm），是一种最优的缓存算法，用作与其他缓存策略性能比较的基准。FIF算法假设它完全知晓未来请求序列，并基于这种完美预测来做出缓存决策。
在FIF算法中，当发生缓存未命中时，它选择未来请求序列中将在最远未来访问的项，并淘汰当前缓存中最远未来不会被使用的项。通过这种方式，FIF算法始终淘汰缓存中最不有价值的项，并确保在拥有完整未来请求信息的前提下，缓存内容始终是最优的。
由于FIF算法需要对未来请求序列有完美预测，它在实际应用中并不可行。然而，它作为一个理论上的上限，可以用来衡量其他缓存算法（如LRU、LFU和随机替换）在实际场景中的效果。
