博客内容主要是以 北京大学 屈婉玲老师的 MOOC 视频来写的。视频共是十周的内容，我决定用五篇博客完成。
温馨提示：这个课程不仅适用于 算法设计与分析 的学习，也非常适用于 数学建模 的学习，如果是学习 数学建模的基础部分，前两周的内容是非常适合的，如果要进一步学习 建模思想，建议把这十周视频好好看一遍。( •̀ ω •́ )y
我们还是先来看一下这十周视频的思维导图：
在这篇博客中写的是七、八周的内容：贪心法。
第七周
知识点
贪心算法的设计要素：
（1）贪心法适用于组合优化问题。
（2）求解过程是多步判断过程，最终的判断序列对应于问题的最优解。
（3）依据某种 “ 短视的 ” 贪心选择性质判断，性质好坏决定算法的成败。
（4）贪心法必须进行正确性证明。
（5）证明贪心法不正确的技巧：举反例。
贪心法的优势：
算法简单，时间和空间复杂性低。
贪心法的例子：活动选择问题
时间复杂度：O(nlogn)
贪心策略：结束早的优先
贪心法正确性证明
第一数学归纳法、第二数学归纳法
两种归纳法的区别：
归纳基础一样，归纳步骤不同。
证明步骤：
（1）叙述一个有关自然数 n 的命题，该命题断定该贪心策略的执行最终将导致最优解。其中自然数 n 可以代表算法步数或者问题规模。
（2）证明命题对所有的自然数为真。
归纳基础（从最小实例规模开始）
归纳步骤（第一或第二数学归纳法）
活动选择的正确性证明
最优装载问题
最优装载问题是 0-1 背包的子问题（每件物品重量为1），到现在为止， 0-1 背包还是 NP 难问题，没有多项式时间的解法。但是，最优装载问题存在多项式时间的解法。
贪心策略：轻者优先。
问题：
建模：
算法设计：
证明思路：
最小延迟调度
贪心策略：按完成时间从早到晚安排任务，没有空闲。
贪心策略：
伪码：
正确性证明：交换论证
得不到最优解的处理方法
贪心策略不一定得到最优解，在这种情况下可以有两种处理方法：
方法一：输入参数分析
考虑输入参数在什么取值范围内使用贪心法可以得到最优解。
方法二：误差分析
估计贪心法——近似算法所得到的解与最优解的误差（对所有的输入实例在最坏情况下误差的上界）
一个参数化分析的例子：找零钱问题。
找零钱问题
第八周
最优前缀码
二元前缀码及其二叉树表示
给定频率下的平均传输位数计算公式
最优前缀码——平均传输位数最少
哈夫曼算法
前缀码的性质
哈夫曼算法的正确性证明
哈夫曼算法的正确性证明，需要用到上面前缀码的两个性质。
哈夫曼算法的应用：文件归并
Prim算法
贪心策略：连接 S 与 V-S 的最短边
时间复杂度：O(n^2)
正确性证明：归纳法
Kruskal算法
贪心策略：在不构成回路条件下选当前最短边
时间复杂度：O(mlogn)
应用：单链聚类
设计思想：
（1）按照长度从小到大对边排序。
（2）依次考察当前最短边e，如果e与T的边不构成回路，则把e加入树T，否则跳过e。直到选择了n-1条边为止。
短接操作：
正确性证明：
应用：
数据分组问题
一组数据（照片，文件，生物标本）要把它们按照相关性进行分类。
用相似度函数或 “距离” 来描述个体之间的差距。
如果分成5类，使得每类内部的个体尽可能相近，不同类之间的个体尽可能地 “远离” 。如何划分?
类似于Kruskal算法：
（1）按照边长从小到大对边排序。
（2）依次考察当前最短边e，如果 e 与已经选中的边不构成回路，则把 e 加入集合，否则跳过e。计数图的连通分支个数。
（3）直到保留了 k 个连通分支为止。
单源最短路径问题及算法
Dijkstra算法
七八周小结
1.贪心法适用于组合优化问题。
2.求解过程是多步判断过程，最终的判断序列对应于问题的最优解。
3.判断依据某种 “ 短视的 ” 贪心选择性质，性质的好坏决定了算法的正确性。贪心性质的选择往往依赖于直觉或者经验。
贪心法正确性证明方法：
（1）直接计算优化函数，贪心法的解恰好取得最优值。
（2）数学归纳法（对算法步数或者问题规模归纳）
（3）交换论证。
证明贪心策略不对：举反例。
对于某些不能保证对所有的实例都得到最优解的贪心算法（近似算法），可做参数化分析或者误差分析。
贪心法的优势：算法简单，时间和空间复杂性低。
几个著名的贪心算法：
最小生成树的 Prim 算法； 贪心策略：连接 S 与 V-S 的最短边，时间复杂度：O(n^2)
最小生成树的 Kruskal 算法；贪心策略：在不构成回路条件下选当前最短边，时间复杂度：O(mlogn)
单源最短路的 Dijkstra 算法。贪心策略：连接 已加入到集合 S 中的点与 V-S 的最短边，时间复杂度：O(mn)