Effiziente Algorithmen

Transkript

1 Effiziente Algorithmen Greedy-Algorithmen Vorlesender: Martin Aumüller (nah Folien von Prof. Martin Dietzfelbinger) Mai 2012 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

2 Kapitel 3: Greedy-Algorithmen Greedy -Algorithmen sind anwendbar bei Konstruktionsaufgaben zum Finden einer optimalen Struktur. Sie finden eine Lösung, die sie shrittweise aufbauen, ohne zurükzusetzen. Es werden dabei niht mehr Teillösungen konstruiert als unbedingt nötig. greedy (engl.): gierig. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

3 Beispiel 1: Hörsaalbelegung 3.1 Zwei Beispiele Gegeben: Veranstaltungsort (Hörsaal), Zeitspanne [T 0, T 1 ) und eine Menge von n Aktionen (Vorlesungen oder ähnlihes), durh Start- und Endzeit spezifiziert: [s i, f i ), für 1 i n. Gesuht: Belegung des Hörsaals, die möglihst viele Ereignisse mit disjunkten Zeitspannen stattfinden lässt. Nenne eine Menge A {1,..., n} zulässig, wenn alle [s i, f i ), i A, disjunkt sind. Aufgabe, formal: Finde zulässige Menge A mit A so groß wie möglih. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

4 T 0 T 1 Eingabe: Aktionen mit Beginn und Ende FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

5 T 0 T 1 Zulässige Lösung mit 4 Aktionen. Optimal? FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

6 T 0 T 1 Zulässige Lösung mit 5 Aktionen. Optimal? FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

7 Ansätze, die niht funktionieren: Zuerst kurze Ereignisse planen T 0 T 1 Immer ein Ereignis mit möglihst früher Anfangszeit wählen T 0 T 1 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

8 Trik: Bearbeite Ereignisse nah wahsenden Shlusszeiten. O.B.d.A.: Veranstaltungen nah Shlusszeiten aufsteigend sortiert (Zeitaufwand O(n log n)), also: f 1 f 2 f n T 0 T 1 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

9 Wiederhole: Wähle die wählbare Aktion mit der kleinsten Shlusszeit und füge sie zum Belegungsplan hinzu. Eine Aktion ist wählbar, wenn ihre Startzeit mindestens so groß wie die Shlusszeit der letzten shon geplanten Veranstaltung ist. T 0 T 1 Ausgabe von GS: Zulässige Lösung. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

10 Algorithmus Greedy Sheduling (GS) Eingabe: [T 0, T 1 ), [s 1, f 1 ),..., [s n, f n ), nihtleere reelle Intervalle, [s i, f i ) [T 0, T 1 ) Ausgabe: Maximal großes A {1,..., n} mit [s i, f i ), i A disjunkt (1) Sortiere Intervalle gemäß f 1,..., f n aufsteigend; (2) A {1}; (3) f last f 1 ; (4) for i from 2 to n do (5) if s i f last then ( [s i, f i )wählbar ) (6) A A {i}; (7) f last f i ; (8) return A FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

11 Satz Der Algorithmus Greedy Sheduling (GS) hat lineare Laufzeit (bis auf die Sortierkosten von O(n log n)) und löst das Hörsaalplanungsproblem optimal. Beweis: Laufzeit: Sortieren kostet Zeit O(n log n); der restlihe Algorithmus hat offensihtlih Laufzeit O(n). Korrektheit: Wir behaupten: Algorithmus GS liefert auf Inputs mit Größe n eine optimale Lösung, und beweisen dies durh vollständige Induktion. Der Fall n = 1 ist trivial. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

12 Sei nun n > 1. I.V.: GS liefert für Inputs der Länge n < n eine optimale Lösung. Ind.-Shritt: Sei B {1,..., n} eine optimale Lösung, B = r. (Im Beispiel: r = 5.) T 0 T 1 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

13 1. Beobahtung: Es gibt eine Lösung B, die mit dem Intervall [s 1, f 1 ) (dem ersten Shritt des Greedy-Algorithmus) startet und ebenfalls r Ereignisse hat. (Also ist B auh optimal.) T 0 T 1 Setze B := (B {min(b)}) {1}. Intervalle aufsteigend sortiert f 1 f min(b). FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

14 2. Beobahtung: Die Menge B {min(b)} löst das Teilproblem ( ) [f 1, T 1 ), {[s i, f i ) s i f 1 } optimal, das heißt: in [f 1, T 1 )können maximal r 1 Ereignisse untergebraht werden. Wieso? Sonst würden wir [s 1, f 1 ) mit einer besseren Lösung für ( ) zu einer besseren Lösung für das Gesamtproblem kombinieren: Widerspruh zur Optimalität von B. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

15 3. Beobahtung: Algorithmus GS auf Eingabe {[s i, f i ) 1 i n} hat ab Iteration i =2 genau dasselbe Verhalten wie wenn man GS auf [f 1, T 1 ), {[s i, f i ) s i f 1 } starten würde. Nah I.V. liefert also dieser Teil des Algorithmus eine optimale Lösung mit r 1 Ereignissen für ( ). Also liefert Greedy Sheduling insgesamt eine optimale Lösung der Größe r. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

16 Beispiel 2: Fraktionales ( teilbares ) Ruksakproblem Veranshaulihung: Ein Dieb stiehlt Säkhen mit Edelmetallkrümeln, die beliebig teilbar sind. Der Wert pro Volumeneinheit ist untershiedlih für untershiedlihe Materialien. Was soll er in seinen Ruksak mit Volumen b paken, um den Wert zu maximieren? Gegeben: n Objekte mit positiven Volumina a 1,..., a n und positiven Nutzenwerten 1,..., n, sowie eine Volumenshranke b. Gesuht: Vektor (λ 1,..., λ n ) [0, 1] n, so dass λ 1 a λ n a n b ( zulässig ) und λ λ n n maximal. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

17 Beim 0-1-Ruksakproblem werden nur 0-1-Vektoren mit λ i {0, 1} zugelassen. Mitteilung (im Vorgriff auf BuK, 5. Sem.): Die {0, 1}-Version ist NP-vollständig, besitzt also wahrsheinlih keinen effizienten Algorithmus. Das fraktionale Ruksakproblem ist mit einem Greedy-Algorithmus in Zeit O(n log n) lösbar. Kern der Lösungsidee: Berehne Nutzendihte d i = i /a i, 1 i n, und sortiere die Objekte gemäß d i fallend. Nehme von vorne beginnend möglihst viele ganze Objekte, bis shließlih das letzte Objekt teilweise genommen wird, so dass die Gewihtsshranke vollständig ausgenutzt wird. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

18 a a 2 a a 3 n Input, sortiert nah Nutzendihte d i = i /a i. Höhe von Kasten Nummer i ist d i = i /a i. Breite ist a i. Flähe ist i. b n FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

19 Algorithmus Greedy Frational Knapsak (GFKS) (1) for i from 1 to n do (2) d i i /a i ; (3) λ i 0; (4) Sortiere Objekte gemäß d i fallend; (5) i 0; (6) r b; (* Inhalt r ist das verfügbare Rest-Volumen *) (7) while r > 0 do (8) i++; (9) if a i r (10) then λ i 1; r r a i ; (11) else λ i r/a i ; (12) r 0; FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

20 a a 2 a a 3 n b n a a 2 a a 3 n FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester Vom Greedy-Algorithmus gelieferte Lösung. b n

21 a a 2 a a 3 n b n 1 a a 2 a a 3 n b n Anshaulih: Greedy-Lösung nie shlehter als beliebige Lösung. Gleih: Vollständiger Beweis. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

22 Satz Der Algorithmus GFKS ist korrekt (liefert eine zulässige Lösung mit maximalem Gesamtnutzen) und hat Laufzeit O(n log n). Beweis: Sei x =(a 1,..., a n, 1,..., n, b) die Eingabe. O.B.d.A.: i a i > b (sonst ist (λ 1,..., λ n ) = (1,..., 1) optimal und wird von GFKS gefunden). Sei (λ 1,..., λ n ) [0, 1] n die Ausgabe des Algorithmus. Laufzeit: klar. Korrektheit: Zulässigkeit klar. Zu zeigen: Optimalität. Sei (λ 1,..., λ n) [0, 1] n eine optimale Lösung. Offensihtlih: i λ i a i = b (sonst verbesserbar). Durh Induktion über n zeigen wir: i λ i i = i λ i i. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

23 I.A.: n = 1. Dann liefert der Algorithmus offensihtlih die optimale Lösung: Pake genau den Bruhteil λ 1 = b/a 1, der in den Ruksak passt. Ind.-Shritt: n > Fall: a 1 b. GFKS wählt λ 1 = b/a 1, und das ist optimal: Weil d 1 d i für alle i, gilt: λ 1 1 = bd 1 =( i λ i a i)d 1 i λ i a id i = i λ i i. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

24 (Ind.-Shritt:) 2. Fall: a 1 < b. Behauptung: Wir können o.b.d.a. λ 1 = 1 annehmen. ( Der erste Shritt des Greedy-Algorithmus ist niht falsh. ) Denn: Wenn λ 1 < 1, kann man wegen 1 i n λ i a i = b Werte λ 1 = 1, 0 λ 2 λ 2,..., 0 λ n λ n finden, so dass (1 λ 1 )a 1 = 2 i n (λ i λ i )a i. ( ) (Verringere Gewiht bei späteren Objekten zugunsten von Objekt 1.) Dann ist (λ 1,..., λ n) zulässig und λ i i = λ i i + ((1 λ 1)a 1 d 1 i i 2 i n (λ i λ i )a i d i ). Aus ( ) und d 1 d i folgt, dass die letzte Klammer nihtnegativ ist, also i λ i i i λ i i gilt. (Sogar Gleihheit.) FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

25 Wissen nun: 1 = λ 1 = λ 1. Wir wenden die Induktionsvoraussetzung auf den modifizierten Input x =(a 2,..., a n, 2,..., n, b a 1 ) an. GFKS läuft in Shleifendurhläufen 2 bis n ebenso wie GFKS auf x, liefert also für x eine optimale Lösung: (λ 2,..., λ n ). Klar: (λ 2,..., λ n) muss für x optimal sein. (Wenn (λ 2,..., λ n ) besser wäre, dann wäre (1,λ 2,..., λ n ) eine bessere Lösung für x als (1,λ 2,..., λ n). Das kann niht sein.) Nah I.V. gilt 2 i n λ i i = 2 i n λ i i. Also haben auh die Lösungen (1,λ 2,..., λ n) und (1,λ 2,..., λ n )für x denselben Nutzenwert. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester

26 An den Beispielen zu beobahtende Charakteristika der Greedy-Methode: 1 Der erste Shritt der Greedy-Lösung ist niht falsh. Es gibt eine optimale Lösung, die als Fortsetzung des ersten Shrittes konstruiert werden kann. 2 Prinzip der optimalen Substruktur : Entfernt man aus einer optimalen Lösung die erste(n) Komponente(n), so bleibt als Rest die optimale Lösung für einen Teil oder Rest des Inputs. 3 Der Korrektheitsbeweis wird mit vollständiger Induktion geführt. FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester