Αλγόριθμοι και πολυπλοκότητα Η Άπληστη Μέθοδος

Σχετικά έγγραφα
Εισαγωγή στους Αλγορίθμους

Εισαγωγή στους Αλγορίθμους

Διοικητική Λογιστική

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

Εισαγωγή στους Αλγορίθμους

Ψηφιακή Επεξεργασία Εικόνων

Θερμοδυναμική. Ανοικτά Ακαδημαϊκά Μαθήματα. Πίνακες Νερού σε κατάσταση Κορεσμού. Γεώργιος Κ. Χατζηκωνσταντής Επίκουρος Καθηγητής

Εισαγωγή στους Αλγορίθμους Ενότητα 10η Άσκηση Αλγόριθμος Dijkstra

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Prim

Αλγόριθμοι και πολυπλοκότητα Δυναμικός Προγραμματισμός

Λογιστική Κόστους Ενότητα 12: Λογισμός Κόστους (2)

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Kruskal

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 3: Έλεγχοι στατιστικών υποθέσεων

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 1: Καταχώρηση δεδομένων

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 2: Περιγραφική στατιστική

Διεθνείς Οικονομικές Σχέσεις και Ανάπτυξη

Βάσεις Περιβαλλοντικών Δεδομένων

Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Γ. Ολοκληρωτικός Λογισμός

Διδακτική Πληροφορικής

Διοικητική Λογιστική

Μηχανολογικό Σχέδιο Ι

Εισαγωγή στην Διοίκηση Επιχειρήσεων

ΗΛΕΚΤΡΟΝΙΚΗ ΙIΙ Ενότητα 6

Λογιστική Κόστους Ενότητα 8: Κοστολογική διάρθρωση Κύρια / Βοηθητικά Κέντρα Κόστους.

Βέλτιστος Έλεγχος Συστημάτων

Ψηφιακή Επεξεργασία Εικόνων

Εισαγωγή στους Η/Υ. Ενότητα 2β: Αντίστροφο Πρόβλημα. Δημήτρης Σαραβάνος, Καθηγητής Πολυτεχνική Σχολή Τμήμα Μηχανολόγων & Αεροναυπηγών Μηχανικών

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 1

Θερμοδυναμική. Ανοικτά Ακαδημαϊκά Μαθήματα. Πίνακες Νερού Υπέρθερμου Ατμού. Γεώργιος Κ. Χατζηκωνσταντής Επίκουρος Καθηγητής

Αλγόριθμοι και πολυπλοκότητα Ταχυταξινόμηση (Quick-Sort)

Ενότητα. Εισαγωγή στις βάσεις δεδομένων

Εισαγωγή στους Υπολογιστές

Δομές Δεδομένων Ενότητα 1

Κβαντική Επεξεργασία Πληροφορίας

Αλγόριθμοι και πολυπλοκότητα Συγχωνευτική Ταξινόμηση

Προγραμματισμός Η/Υ. Βασικές Προγραμματιστικές Δομές. ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Τεχνολογιών Φυσικού Περιβάλλοντος

ΣΥΜΠΕΡΙΦΟΡΑ ΚΑΤΑΝΑΛΩΤΗ

Τεχνικό Σχέδιο - CAD

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα

Εισαγωγή στους Αλγορίθμους Ενότητα 11η Άσκηση - Σταθμισμένος Χρονοπρογραμματισμός Διαστημάτων

Τεχνικό Σχέδιο - CAD. Τόξο Κύκλου. Τόξο Κύκλου - Έλλειψη. ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Τεχνολογιών Φυσικού Περιβάλλοντος

Εισαγωγή στην Διοίκηση Επιχειρήσεων

Εισαγωγή στην Πληροφορική

Εισαγωγή στην Διοίκηση Επιχειρήσεων

Τεχνικό Σχέδιο - CAD

Εισαγωγή στην Διοίκηση Επιχειρήσεων

Μυελού των Οστών Ενότητα #1: Ερωτήσεις κατανόησης και αυτόαξιολόγησης

ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα

Βέλτιστος Έλεγχος Συστημάτων

Διοίκηση Επιχειρήσεων

Διδακτική Πληροφορικής

Εκκλησιαστικό Δίκαιο. Ενότητα 10η: Ιερά Σύνοδος της Ιεραρχίας και Διαρκής Ιερά Σύνοδος Κυριάκος Κυριαζόπουλος Τμήμα Νομικής Α.Π.Θ.

Διδακτική Πληροφορικής

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Μεθοδολογία Έρευνας Κοινωνικών Επιστημών Ενότητα 2: ΣΥΓΚΕΝΤΡΩΣΗ ΠΛΗΡΟΦΟΡΙΩΝ ΜΑΡΚΕΤΙΝΓΚ Λοίζου Ευστράτιος Τμήμα Τεχνολόγων Γεωπόνων-Kατεύθυνση

Ενδεικτικές λύσεις ασκήσεων διαχείρισης έργου υπό συνθήκες αβεβαιότητας

Διδακτική των εικαστικών τεχνών Ενότητα 3

Διδακτική των εικαστικών τεχνών Ενότητα 2

Διδακτική των εικαστικών τεχνών Ενότητα 2

Διδακτική των εικαστικών τεχνών Ενότητα 2

Διδακτική των εικαστικών τεχνών Ενότητα 2

Κβαντική Επεξεργασία Πληροφορίας

ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ

Θέματα Εφαρμοσμένης. Ενότητα 14.2: Η ψήφος στα πρόσωπα. Θεόδωρος Χατζηπαντελής Τμήμα Πολιτικών Επιστημών ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Διδακτική της Πληροφορικής

1 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

Κοινωνία & Υγεία Υγεία Πρόληψη Προαγωγή υγείας: Βαθμίδες πρόληψης

Εισαγωγή στην Διοίκηση Επιχειρήσεων

Λογιστική Κόστους Ενότητα 11: Λογισμός Κόστους (1)

Διεθνείς Οικονομικές Σχέσεις και Ανάπτυξη

Διδακτική των εικαστικών τεχνών Ενότητα 2

Διοίκηση Εξωτερικής Εμπορικής Δραστηριότητας

Ψηφιακή Επεξεργασία Εικόνων

Έλεγχος και Διασφάλιση Ποιότητας Ενότητα 4: Μελέτη ISO Κουππάρης Μιχαήλ Τμήμα Χημείας Εργαστήριο Αναλυτικής Χημείας

Ιστορία της μετάφρασης

Εφαρμογές των Τεχνολογιών της Πληροφορίας και των Επικοινωνιών στη διδασκαλία και τη μάθηση

Διεθνείς Οικονομικές Σχέσεις και Ανάπτυξη

Διδακτική Πληροφορικής

Διαχείριση Πολιτισμικών Δεδομένων

Λογιστική Κόστους Ενότητα 11: Λογισμός Κόστους

Βάσεις Δεδομένων. Ενότητα 1: Εισαγωγή στις Βάσεις δεδομένων. Πασχαλίδης Δημοσθένης Τμήμα Ιερατικών σπουδών

Εννοιες και Παράγοντες της Ψηφιακής Επεξεργασίας Εικόνας

Αλγόριθμοι και πολυπλοκότητα Διαίρει και Κυρίευε

ΗΛΕΚΤΡΟΝΙΚΗ IΙ Ενότητα 3

Μάρκετινγκ Αγροτικών Προϊόντων

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 4

ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ

Γενικά Μαθηματικά Ι. Ενότητα 12: Κριτήρια Σύγκλισης Σειρών. Λουκάς Βλάχος Τμήμα Φυσικής ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ

Διδακτική των εικαστικών τεχνών Ενότητα 1

Λογιστική Κόστους Ενότητα 10: Ασκήσεις Προτύπου Κόστους Αποκλίσεων.

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 5: ΚΑΤΗΓΟΡΙΕΣ ΑΛΓΟΡΙΘΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ-ΑΝΑΓΩΓΗ

ΣΥΜΠΕΡΙΦΟΡΑ ΚΑΤΑΝΑΛΩΤΗ

ΑΛΓΟΡΙΘΜΟΙ. Ενότητα 12: Αντιμετώπιση Περιορισμών Αλγοριθμικής Ισχύος

Διδακτική των εικαστικών τεχνών Ενότητα 2

Διοικητική Λογιστική

Transcript:

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Η Άπληστη Μέθοδος Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών

Η Άπληστη Μέθοδος Η Άπληστη Μέθοδος 1

Κύρια Σημεία και Διάβασμα Η Άπληστη Τεχνική ( 5.1) Το Πρόβλημα του Κλασματικού Σακιδίου ( 5.1.1) Προγραμματισμός Εργασιών ( 5.1.2) Ελάχιστα Συνδετικά Δένδρα ( 7.3) Η Άπληστη Μέθοδος 2

Η Άπληστη Μέθοδος Η άπληστη μέθοδος είναι ένα γενικό παράδειγμα σχεδίασης αλγορίθμων, βασισμένη στα παρακάτω στοιχεία: διαμόρφωση στοιχείων: εύρεση διαφορετικών επιλογών, συλλογών ή τιμών συνάρτηση σκοπού: απόδοση ενός σκορ στα στοιχεία, το οποίο σκορ θέλουμε είτε να το μεγιστοποιήσουμε είτε να το ελαχιστοποιήσουμε Δουλεύει καλύτερα όταν εφαρμόζεται σε προβλήματα με την ιδιότητα της άπληστης επιλογής: μπορεί πάντα να βρεθεί μία συνολικά-βέλτιστη λύση, ξεκινώντας από μια αρχική διαμόρφωση και εφαρμόζοντας μια σειρά τοπικών βελτιστοποιήσεων. Η Άπληστη Μέθοδος 3

Κάνοντας «ψιλά» Πρόβλημα: Να φτάσουμε ένα χρηματικό ποσό και η συλλογή από κέρματα που θα χρησιμοποιήσουμε για το σκοπό αυτό. Διαμόρφωση: Το χρηματικό ποσό που αναμένεται να επιστραφεί στον πελάτη, συν τα κέρματα που ήδη επιστράφηκαν. Συνάρτηση σκοπού: Ελαχιστοποίηση του επιστρεφόμενου αριθμού κερμάτων. Άπληστη επίλυση: Επέστρεφε πάντα το μεγαλύτερο σε αξία κέρμα. Παράδειγμα 1: Τα κέρματα εκτιμούνται ως: $.32, $.08, $.01 Έχει την ιδιότητα της άπληστης επιλογής, καθώς δε μπορούμε να έχουμε ποσό πάνω από $.32 χρησιμοποιώντας έναν ελάχιστο αριθμό κερμάτων, χωρίς τη χρήση ενός $.32 κέρματος (ομοίωςγιαταποσά μεγαλύτερα των $.08, αλλά μικρότερα των $.32). Παράδειγμα 2: Τα κέρματα εκτιμούνται $.30, $.20, $.05, $.01 Δεν έχει την ιδιότητα της άπληστης επιλογής, καθώς τα $.40 γίνονται βέλτιστα από 2 κέρματα των $.20, αλλά η άπληστη επίλυση θα επιλέξει 3 νομίσματα (ποια ;) Η Άπληστη Μέθοδος 4

Το κλασματικό πρόβλημα του σακιδίου Έστω: σύνολο S από n αντικείμενα, όπου το κάθε αντικείμενο έχει b ένα θετικό όφελος w ένα θετικό βάρος Σκοπός: Επέλεξε αντικείμενα που έχουν μέγιστο συνολικά όφελος, αλλά βάρος το πολύ W. Αν επιτρέπονται τα κλασματικά ποσά, τότε αυτό είναι το κλασματικό πρόβλημα του σακιδίου. Εδώ, το x συμβολίζει την ποσότητα που παίρνουμε από κάθε αντικείμενο Σκοπός: μεγιστοποίηση του Περιορισμός: S x W S b ( x / w ) Η Άπληστη Μέθοδος 5

Παράδειγμα Έστω: σύνολο S από n αντικείμενα, όπου το κάθε αντικείμενο έχει: b ένα θετικό όφελος w ένα θετικό βάρος Σκοπός: Επέλεξε αντικείμενα με μέγιστο συνολικά όφελος, αλλά βάρος το πολύ W Σακίδιο Αντικείμενα: Βάρος: Όφελος: Αξία: 3 ($ per ml) 1 2 3 4 5 4 ml 8 ml 2 ml 6 ml 1 ml $12 $32 $40 $30 $50 4 20 5 50 10 ml Λύση: 1 ml of 5 2 ml of 3 6 ml of 4 1 ml of 2 Η Άπληστη Μέθοδος 6

Κλασματικό Σακίδιο- Αλγόριθμος Άπληστη επιλογή: Να διαλέγεις αντικείμενα με τη μεγαλύτερη αξία (όφελος δια βάρος) Αφού S b ( x / w ) = ( b / w ) x S Χρόνος εκτέλεσης: O(n log n). Γιατί; Ορθότητα: Έστω ότι υπάρχει καλύτερη λύση Υπάρχει αντικείμενο με μεγαλύτερη αξία από ένα επιλεγμένο j (.e., v <v j ), αλλά x <w και x j >0. Η αντικατάσταση μερικών j με θα μας δώσει καλύτερη λύση Πόσα από το : mn{w -x, x j } Άρα δεν υπάρχει καλύτερη λύση από την άπληστη Algorthm fractonalknapsack(s, W) Input: set S of tems w/ beneft b and weght w ; max. weght W Output: amount x of each tem to maxmze beneft wth weght at most W for each tem n S x 0 v b / w {value} w 0 {total weght} whle w < W remove tem wth hghest v x mn{w, W w} w w + mn{w, W w} Η Άπληστη Μέθοδος 7

Προγραμματισμός Εργασιών Έστω: σύνολο T από n εργασίες, όπου καθεμιά έχει: Ένα χρόνο εκκίνησης, s Ένα χρόνο ολοκλήρωσης, f (όπου s < f ) Σκοπός: Εκτέλεσε όλες τις εργασίες χρησιμοποιώντας έναν ελάχιστο αριθμό «μηχανών». Μηχανή 3 Μηχανή 2 Μηχανή 1 1 2 3 4 5 6 7 8 9 Η Άπληστη Μέθοδος 8

Προγραμματισμός Εργασιών - Αλγόριθμος Άπληστη Επιλογή: θεώρηση των εργασιών σύμφωνα με το χρόνο εκκίνησης και χρήση όσο το δυνατόν λιγότερων μηχανών, με αυτή τη σειρά. Χρόνος Εκτέλεσης: O(n log n). Ορθότητα: Έστω ότι υπάρχει καλύτερος προγραμματισμός. Χρησιμοποιούμε k-1 μηχανές Ο αλγόριθμος χρησιμοποιεί k Έστω η πρώτη προγραμματισμένη εργασία για τη μηχανή k Ημηχανή πρέπει να συγκρουστεί με k-1 άλλες εργασίες Αλλά αυτό σημαίνει πως δεν υπάρχει μη-συγκρουόμενο schedule με χρήση k-1 μηχανών. Algorthm taskschedule(t) Input: set T of tasks w/ start tme s and fnsh tme f Output: non-conflctng schedule wth mnmum number of machnes m 0 {no. of machnes} whle T s not empty remove task w/ smallest s f there s a machne j for then schedule on machne j else m m + 1 schedule on machne m Η Άπληστη Μέθοδος 9

Παράδειγμα Έστω: σύνολο T από n εργασίες, όπου καθεμιά έχει: Ένα χρόνο εκκίνησης, s Ένα χρόνο ολοκλήρωσης, f (όπου s < f ) [1,4], [1,3], [2,5], [3,7], [4,7], [6,9], [7,8] (ταξινομημένες σύμφωνα με το χρόνο εκκίνησης) Σκοπός: Εκτέλεση όλων των διεργασιών με τον ελάχιστο αριθμό μηχανών Μηχανή 3 Μηχανή 2 Μηχανή 1 1 2 3 4 5 6 7 8 9 Η Άπληστη Μέθοδος 10

Τέλος Ενότητας

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο Πανεπιστήμιο Κρήτης» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους.

Σημειώματα

Σημείωμα αδειοδότησης Το παρόν υλικό διατίθεται με τους όρους της άδειας χρήσης Creatve Commons Αναφορά, Μη Εμπορική Χρήση, Όχι Παράγωγο Έργο 4.0 [1] ή μεταγενέστερη, Διεθνής Έκδοση. Εξαιρούνται τα αυτοτελή έργα τρίτων π.χ. φωτογραφίες, διαγράμματα κ.λ.π., τα οποία εμπεριέχονται σε αυτό και τα οποία αναφέρονται μαζί με τους όρους χρήσης τους στο «Σημείωμα Χρήσης Έργων Τρίτων». [1] http://creatvecommons.org/lcenses/by-nc-nd/4.0/ Ως Μη Εμπορική ορίζεται η χρήση: που δεν περιλαμβάνει άμεσο ή έμμεσο οικονομικό όφελος από την χρήση του έργου, για το διανομέα του έργου και αδειοδόχο που δεν περιλαμβάνει οικονομική συναλλαγή ως προϋπόθεση για τη χρήση ή πρόσβαση στο έργο που δεν προσπορίζει στο διανομέα του έργου και αδειοδόχο έμμεσο οικονομικό όφελος (π.χ. διαφημίσεις) από την προβολή του έργου σε διαδικτυακό τόπο Ο δικαιούχος μπορεί να παρέχει στον αδειοδόχο ξεχωριστή άδεια να χρησιμοποιεί το έργο για εμπορική χρήση, εφόσον αυτό του ζητηθεί.

Σημείωμα Αναφοράς Copyrght Πανεπιστήμιο Κρήτης, Ιωάννης Τόλλης 2015. «Αλγόριθμοι και πολυπλοκότητα. Η Άπληστη Μέθοδος». Έκδοση: 1.0. Ηράκλειο 2015. Διαθέσιμο από τη δικτυακή διεύθυνση: https://opencourses.uoc.gr/courses/course/vew.php?d=368

Διατήρηση Σημειωμάτων Οποιαδήποτε αναπαραγωγή ή διασκευή του υλικού θα πρέπει να συμπεριλαμβάνει: το Σημείωμα Αναφοράς το Σημείωμα Αδειοδότησης τη δήλωση Διατήρησης Σημειωμάτων το Σημείωμα Χρήσης Έργων Τρίτων (εφόσον υπάρχει) μαζί με τους συνοδευόμενους υπερσυνδέσμους.