لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 20 اسلاید
قسمتی از متن .ppt :
greedy method
1
روش حریصانه (greedy)
در هرمرحله از مراحل اجرای الگوریتم باید بخشی از جواب را به دست آوریم.
این روش جزو روشهای بهینه سازی است.
هدف یافتن یک جواب قابل قبول است که تابع هدف یا رابطه ارزش جواب را ماکزیمم یا می نیمم کند و جواب بهینه را ایجاد کند.
greedy method
2
خصوصیات کلی روش حریصانه
الف) نتیجه نهایی الگوریتم حریصانه مجموعه ای از داده ها است که ممکن است ترتیب آنها نیز اهمیت داشته باشد.
ب) جواب نهایی باید تابع هدف را بهینه (ماکزیمم یا می نیمم) نماید.
ج) در روشهای حریصانه آینده نگری وجود ندارد و به وضعیت جاری بیشتر توجه می شود. بنابراین بهینگی در هر مرحله محلی می باشد.عناصر داده را به طور متوالی گرفته و از بین آنها بدون توجه به انتخابهای قبلی یا بعدی بهترین را بر اساس معیارهای خاصی انتخاب می کند.
د) تصمیم در مورد انتخاب یا رد یکی از داده های ورودی به عنوان مولفه از جواب قطعی و غیر قابل برگشت است.
ه) الگوریتم حریصانه مانند برنامه سازی پویا اغلب برای مسائل بهینه سازی به کار می رود با این تفاوت که در برنامه سازی پویا از خاصیت بازگشتی برای تقسیم یک نمونه به نمونه های کوچکتر استفاده می شود, در حالیکه در الگوریتم حریصانه هیچ تقسیمی انجام نمی شود وبرای تولید جواب از دنباله عناصر انتخابی استفاده می شود که هریک از آنها در هر لحظه بهترین انتخاب به نظر می رسد و انتظار می رود که بتوان یک جواب بهینه نهایی را به دست آورد.
greedy method
3
اجزاء الگوریتم حریصانه
الگوریتم حریصانه با یک مجموعه تهی آغاز می شود و عناصر پشت سر هم به این مجموعه اضافه می شوند.
یک روال انتخاب عنصر بعدی را برای اضافه کردن به مجموعه انتخاب می کند. این انتخاب براساس یک معیار حریصانه که به طور محلی بهترین جواب را در هر لحظه انتخاب می کند, شکل می گیرد.
یک بررسی امکان سنجی تعیین می کند که آیا با تکمیل مجموعه جدید امکان دستیابی به جواب برای یک نمونه مسأله وکود دارد یا خیر.
یک بررسی جواب تعیین می کند که آیا مجموعه جدید یک جواب برای نمونه مسأله می باشد یا خیر.
greedy method
4
الگوریتم Dijkstra برای مسأله کوتاهترین مسیرهای تک مبدأیی
هدف: تعیین کوتاهترین مسیرها از یک گره بخصوص به تمام گره های دیگر در یک گراف جهت دار و وزن دار.
v1
v5
v2
v4
v3
1
1
7
4
6
3
5
2
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 40 اسلاید
قسمتی از متن .ppt :
فصل پنجم
روش حریصانه
Greedy
الگوریتم حریصانه ، به ترتیب عناصر را انتخاب کرده ، هر بار آن عنصری را که طبق ملاکی معین ”بهترین“ به نظر می رسد، بدون توجه به انتخاب هایی که قبلا انجام داده یا در آینده انجام خواهد داد، بر می دارد.
الگوریتم حریصانه ، غالبا برای حل مسائل بهینه سازی به کار می روند.
در روش حریصانه ، تقسیم به نمونه های کوچک تر صورت نمی پذیرد.
الگوریتم حریصانه با انجام یک سری انتخاب، که هر یک در لحظه ای خاص ،بهترین به نظر می رسد عمل می کند، یعنی انتخاب در جای خود بهینه است.امید این است که یک حل بهینه سرتاسری یافت شود، ولی همواره چنین نیست.
برای یک الگوریتم مفروض باید تعیین کرد که آیا حل همواره بهینه است یا خیر.
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 40 اسلاید
قسمتی از متن .ppt :
فصل پنجم
روش حریصانه
Greedy
الگوریتم حریصانه ، به ترتیب عناصر را انتخاب کرده ، هر بار آن عنصری را که طبق ملاکی معین ”بهترین“ به نظر می رسد، بدون توجه به انتخاب هایی که قبلا انجام داده یا در آینده انجام خواهد داد، بر می دارد.
الگوریتم حریصانه ، غالبا برای حل مسائل بهینه سازی به کار می روند.
در روش حریصانه ، تقسیم به نمونه های کوچک تر صورت نمی پذیرد.
الگوریتم حریصانه با انجام یک سری انتخاب، که هر یک در لحظه ای خاص ،بهترین به نظر می رسد عمل می کند، یعنی انتخاب در جای خود بهینه است.امید این است که یک حل بهینه سرتاسری یافت شود، ولی همواره چنین نیست.
برای یک الگوریتم مفروض باید تعیین کرد که آیا حل همواره بهینه است یا خیر.
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 20 اسلاید
قسمتی از متن .ppt :
greedy method
1
روش حریصانه (greedy)
در هرمرحله از مراحل اجرای الگوریتم باید بخشی از جواب را به دست آوریم.
این روش جزو روشهای بهینه سازی است.
هدف یافتن یک جواب قابل قبول است که تابع هدف یا رابطه ارزش جواب را ماکزیمم یا می نیمم کند و جواب بهینه را ایجاد کند.
greedy method
2
خصوصیات کلی روش حریصانه
الف) نتیجه نهایی الگوریتم حریصانه مجموعه ای از داده ها است که ممکن است ترتیب آنها نیز اهمیت داشته باشد.
ب) جواب نهایی باید تابع هدف را بهینه (ماکزیمم یا می نیمم) نماید.
ج) در روشهای حریصانه آینده نگری وجود ندارد و به وضعیت جاری بیشتر توجه می شود. بنابراین بهینگی در هر مرحله محلی می باشد.عناصر داده را به طور متوالی گرفته و از بین آنها بدون توجه به انتخابهای قبلی یا بعدی بهترین را بر اساس معیارهای خاصی انتخاب می کند.
د) تصمیم در مورد انتخاب یا رد یکی از داده های ورودی به عنوان مولفه از جواب قطعی و غیر قابل برگشت است.
ه) الگوریتم حریصانه مانند برنامه سازی پویا اغلب برای مسائل بهینه سازی به کار می رود با این تفاوت که در برنامه سازی پویا از خاصیت بازگشتی برای تقسیم یک نمونه به نمونه های کوچکتر استفاده می شود, در حالیکه در الگوریتم حریصانه هیچ تقسیمی انجام نمی شود وبرای تولید جواب از دنباله عناصر انتخابی استفاده می شود که هریک از آنها در هر لحظه بهترین انتخاب به نظر می رسد و انتظار می رود که بتوان یک جواب بهینه نهایی را به دست آورد.
greedy method
3
اجزاء الگوریتم حریصانه
الگوریتم حریصانه با یک مجموعه تهی آغاز می شود و عناصر پشت سر هم به این مجموعه اضافه می شوند.
یک روال انتخاب عنصر بعدی را برای اضافه کردن به مجموعه انتخاب می کند. این انتخاب براساس یک معیار حریصانه که به طور محلی بهترین جواب را در هر لحظه انتخاب می کند, شکل می گیرد.
یک بررسی امکان سنجی تعیین می کند که آیا با تکمیل مجموعه جدید امکان دستیابی به جواب برای یک نمونه مسأله وکود دارد یا خیر.
یک بررسی جواب تعیین می کند که آیا مجموعه جدید یک جواب برای نمونه مسأله می باشد یا خیر.
greedy method
4
الگوریتم Dijkstra برای مسأله کوتاهترین مسیرهای تک مبدأیی
هدف: تعیین کوتاهترین مسیرها از یک گره بخصوص به تمام گره های دیگر در یک گراف جهت دار و وزن دار.
v1
v5
v2
v4
v3
1
1
7
4
6
3
5
2
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : .ppt ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : 40 اسلاید
قسمتی از متن .ppt :
فصل پنجم
روش حریصانه
Greedy
الگوریتم حریصانه ، به ترتیب عناصر را انتخاب کرده ، هر بار آن عنصری را که طبق ملاکی معین ”بهترین“ به نظر می رسد، بدون توجه به انتخاب هایی که قبلا انجام داده یا در آینده انجام خواهد داد، بر می دارد.
الگوریتم حریصانه ، غالبا برای حل مسائل بهینه سازی به کار می روند.
در روش حریصانه ، تقسیم به نمونه های کوچک تر صورت نمی پذیرد.
الگوریتم حریصانه با انجام یک سری انتخاب، که هر یک در لحظه ای خاص ،بهترین به نظر می رسد عمل می کند، یعنی انتخاب در جای خود بهینه است.امید این است که یک حل بهینه سرتاسری یافت شود، ولی همواره چنین نیست.
برای یک الگوریتم مفروض باید تعیین کرد که آیا حل همواره بهینه است یا خیر.