贪婪算法tsp

⑴ 贪心算法TSP问题，有代码但是看不懂，求注释

int[] part = new int[3];//这里定义了3个int数组空间 { 0，1，2}

pat[1]=2;//数据的第二位设置为2

⑵ tsp问题的贪心算法，分析时间复杂度，试分析是否存在o的有效算法

贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题他能产

⑶ 贪心算法的特性

贪婪算法可解决的问题通常大部分都有如下的特性：
⑴随着算法的进行，将积累起其它两个集合：一个包含已经被考虑过并被选出的候选对象，另一个包含已经被考虑过但被丢弃的候选对象。
⑵有一个函数来检查一个候选对象的集合是否提供了问题的解答。该函数不考虑此时的解决方法是否最优。
⑶还有一个函数检查是否一个候选对象的集合是可行的，也即是否可能往该集合上添加更多的候选对象以获得一个解。和上一个函数一样，此时不考虑解决方法的最优性。
⑷选择函数可以指出哪一个剩余的候选对象最有希望构成问题的解。
⑸最后，目标函数给出解的值。
⑹为了解决问题，需要寻找一个构成解的候选对象集合，它可以优化目标函数，贪婪算法一步一步的进行。起初，算法选出的候选对象的集合为空。接下来的每一步中，根据选择函数，算法从剩余候选对象中选出最有希望构成解的对象。如果集合中加上该对象后不可行，那么该对象就被丢弃并不再考虑；否则就加到集合里。每一次都扩充集合，并检查该集合是否构成解。如果贪婪算法正确工作，那么找到的第一个解通常是最优的。

⑷ 如何解决贪婪算法中的局部优化问题

基本思路
1.建立数学模型来描述问题
⒉把求解的问题分成若干个子问题。
⒊对每一子问题求解，得到子问题的局部最优解。
⒋把子问题的解局部最优解合成原来解问题的一个解。
实现该算法的过程：
从问题的某一初始解出发；
while 能朝给定总目标前进一步 do
求出可行解的一个解元素；
由所有解元素组合成问题的一个可行解。

⑸ 贪婪算法指的是什么

贪心算法是指在对问题进行求解时，在每－步选择中都采取最好或者最优（即最有利）的选择，从而希望能够导致结果是最好或者最优的。

贪婪算法所得到的结果不一定是最优的结果（有时候会是最优解），但是都是相对近似（接近）最优解的结果。

例题、区间问题

问题描述：有n项工作，每项工作分别在si开始，ti结束。对每项工作，你都可以选择参加或不参加，但选择了参加某项工作就必须至始至终参加全程参与。

即参与工作的时间段不能有重叠（即使开始的时间和结束的时间重叠都不行）。限制条件：1<=n<=1000001<=si<=ti,=109样例：输入51 2 4 6 83 5 7 9 10输出3(选择工作1, 3, 5)。

⑹ 骆驼商队问题（如何解决）贪心算法

典型tsp问题，目标函数变成利益最大化。如果城市很多很多，考虑使用pso或者遗传算法

⑺ 对于大规模TSP问题，为什么遍历算法不可行而贪心算法可行

TSP属于NPC问题，一般只能靠近似算法求出近似解，问题规模小的时候，可以直接穷举问题空间，得出最优解，不过问题规模一大就不行了，问题空间是指数暴涨的，这时候只能退而求其次，求近似最优解，而对应的近似算法中会大量使用贪心策略，所以其实不是可不可行的问题，贪心牺牲了 解的精度（求得的不一定是最优解），但换来了时间上可观的节约（直接降到多项式）。

⑻ 什么是贪婪算法

是贪心算法吧……
就是每次都取最优值。。。比如合并果子：
有n堆果子，每个果子都有一个重量，每次可以任意选择2堆果子将其合并成一堆，花费是这两堆果子的重量值之和，求最终合并成一堆的最小(最大)花费。
算法就是，每次取重量最小(最大)的两堆果子合并，直到还剩一堆。

⑼ TSP问题的遍历算法和贪心算法有什么区别,为什么不选择遍历算法

所有问题遍历算法的时间复杂度是最高的，但是对于TSP问题来说贪心算法一般是得不到最优解的