Algoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte III)

Slides:



Advertisements
Presentazioni simili
Problemi di ottimizzazione
Advertisements

Punti Fissi.
Master Bioinformatica 2002: Grafi Problema: cammini minimi da tutti i vertici a tutti i vertici Dato un grafo pesato G =(V,E,w), trovare un cammino minimo.
Programmazione dinamica: problema della sottosequenza più lunga
Algoritmi e Strutture Dati (Mod. B)
1 Astrazioni sui dati : Ragionare sui Tipi di Dato Astratti.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Dynamic Programming Chiara Mocenni Corso di.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Scelte di consumo Chiara Mocenni Corso di laurea.
Programmazione dinamica
Master Bioinformatica 2002: Progetto di Algoritmi1 Programmazione Dinamica (PD) Altra tecnica per risolvere problemi di ottimizzazione, piu generale degli.
Algoritmi e Dimostrazioni Stefano Berardi
Negoziazione e vincoli di qualità Rapporto D. Ardagna, M. Comuzzi – WP 2.
Il problema della ricerca Algoritmi e Strutture Dati.
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
CORSO DI PROGRAMMAZIONE II Introduzione alla ricorsione
Algoritmi e Strutture Dati (Mod. B)
Algoritmi e Strutture Dati (Mod. B)
Algoritmi e Strutture Dati (Mod. B)
Algoritmi e Strutture Dati (Mod. B)
Algoritmi e Strutture Dati (Mod. B)
Algoritmi e Strutture Dati (Mod. B)
Trovare il percorso minimo da b ad ogni altro vertice
Modelli e Algoritmi della Logistica
Modelli e Algoritmi per la Logistica
Modelli e Algoritmi per la Logistica
1. ( punti 7 ) Siano dati un insieme di localizzazioni potenziali (nodi grandi) ed un insieme di clienti da servire (nodi piccoli). Il costo di afferenza.
Modelli e Algoritmi per la Logistica
1. ( punti 7 ) Siano dati un insieme di localizzazioni potenziali (nodi grandi) ed un insieme di clienti da servire (nodi piccoli). Il costo di afferenza.
Ottimizzazione nella gestione dei progetti
Algoritmi e Strutture Dati
Lezione 5 Domande: Laverage path length di Chord con 2^b identificatori e N=2^b nodi è (giustificare la risposta) Laverage path length di Chord con 2^b.
Esercizi 4 Soluzioni Calcolo combinatorio.
Convergence to Approximate Nash Equilibria in Congestion Games
Anche la RB-Delete ha due fasi: Nella prima viene tolto un nodo y avente uno dei sottoalberi vuoto sostituendolo con la radice dellaltro sottoalbero. Per.
INTELLIGENZA E MACCHINE CALCOLATRICI
Algoritmi e Strutture Dati
Università di L’Aquila Claudio Arbib Ricerca Operativa
Lezione 6 Strutture di controllo Il condizionale
Studieremo alcune tecniche per il progetto di algoritmi e di strutture dati: Programmazione dinamica Algoritmi golosi Analisi ammortizzata Vedremo poi.
Passo 3: calcolo del costo minimo
Cerchiamo di rispondere alla seconda domanda 2)La soluzione trovata con lalgoritmo goloso è ottima o esistono anche soluzioni con più di quattro attività?
Algoritmi e Strutture Dati
1 Astrazioni sui dati : Ragionare sui Tipi di Dato Astratti dispense prof. G. Levi.
Algoritmi e Strutture Dati
Ripasso : Algoritmi.
ESTENSIONI SEMPLICI e TEOREMA DELL’ELEMENTO PRIMITIVO
Ricorsione CORDA – Informatica A. Ferrari Testi da Alessandro Bugatti
Ottimizzazione nella gestione dei progetti Prova scritta del 16/04/2005 COMPITO B Studente: ………………………………… Matricola: ………………………………… (2 punti) Disegnare.
Capitolo 13 Cammini minimi: Algoritmo di Floyd e Warshall Algoritmi e Strutture Dati.
Capitolo 13 Cammini minimi: Ordinamento topologico Algoritmi e Strutture Dati.
Logica Lezz Nov Reiterazione (RE) P |- P 1 P A 2 P & P 1,1, &I 3 P 2, & E.
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
STATISTICHE DESCRITTIVE
Composizione di servizi via TLV Il progetto ha come obiettivo primario la composizione automatica dei web services basandosi sulla tecnica Simulation sperimentando.
Codici prefissi Un codice prefisso è un codice in cui nessuna parola codice è prefisso (parte iniziale) di un’altra Ogni codice a lunghezza fissa è ovviamente.
Il problema della ricerca Algoritmi e Strutture Dati.
Programmazione dinamica Algoritmi golosi Analisi ammortizzata
PROBABILITÀ Corsi Abilitanti Speciali Classe 59A III semestre - 2.
Problemi risolvibili con la programmazione dinamica Abbiamo usato la programmazione dinamica per risolvere due problemi. Cerchiamo ora di capire quali.
Algoritmi golosi Tecniche di soluzione dei problemi viste finora:
Corso integrato di Matematica, Informatica e Statistica Informatica di base Linea 1 Daniela Besozzi Dipartimento di Informatica e Comunicazione Università.
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Dynamic Programming Testi di riferimento per approfondimenti: Dimitri Bertsekas, Dynamic Programming, deterministic and stochastic models, Prentice-Hall.
Logica Lez Dicembre Regola  E  xFx è come una disgiunzione infinita e quindi questa regola è analoga a vE Guardare insieme regola a p. 202.
Algoritmi e Strutture Dati Luciano Gualà
Integrali indefiniti.
Lezione marzo nota su "a meno che" A meno che (non) = oppure Il dolce lo porto io (I) a meno che (non) lo porti Mario (M) I  M   I  M.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Esercizi.
Transcript della presentazione:

Algoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte III)

Problema dello Zaino 0-1 Identica formulazione del problema dello zaino eccettuato che un oggetto deve essere abbandonato tutto oppure preso tutto /30 Non è più permesso

30 Scegli per primo l’oggetto che ha il più alto valore per chilo £6.000 per chilo £5.000 per chilo £4.000 per chilo £ £ £ = £ / £ £ = £ £ £ £ £ £ = £ £ £ = £

Teorema: Il problema dello zaino 0-1 soddisfa la sottostruttura ottima. Sottostruttura ottima Dimostrazione: Sia S  I la soluzione ottima al problema W, I è l’insieme complessivo degli n oggetti, i  I ha peso p i S è cioè un sottoinsieme degli oggetti a disposizione. Il valore di W sarà quindi  i  S c i e W =  i  S p i Se rimuoviamo l’oggetto h da S otteniamo una sol. S’ per il sottoproblema W - p h con n-1 oggetti (h escluso). S’ deve essere ottima! Perché?

Scelta greedy Il problema dello zaino 0-1 non soddisfa la proprietà di scelta greedy £ £ = £ £ £ = £

Algoritmo per lo Zaino 0-1 Dobbiamo usare la programmazione dinamica v(i,w) = massimo valore dello zaino con peso al massimo w e con solo gli oggetti 1,…,i disponibili. Vogliamo calcolare v(n,W) v(0,w) = 0 per ogni w v(i,0) = 0 per ogni i v(i,w) = v(i-1,w) per ogni i e per w < p i v(i,w) = max{ v(i-1,w), v(i-1,w-p i )+c i } altrimenti

6 2 5 £25 £12 £ i w v(i,w) = max{ v(i-1,w), v(i-1,w-p i )+c i } 6 2 £12 £24 9

6 2 5 £25 £12 £ i w v(0,w) = 0 per ogni w v(i,0) = 0 per ogni i v(i,w) = v(i-1,w) per ogni i e per w < p i v(i,w) = max{ v(i-1,w), v(i-1,w-p i )+c i }

Greedy e Prog. Dinamica Il problema mostra sottostruttura ottima Problema dello Zaino fazionario La tecnica Greedy funziona Usare programmazione dinamica è inutilmente complicato (il metodo è sovradimensionato) Problema dello Zaino 0-1 La tecnica Greedy non funziona È necessaria la programmazione dinamica

Esercizi Esercizio Esercizio