2022 04 Greedy Parte 1

Repaso de la clase anterior
Algoritmos greedy
Ejercicios propuestos
Programación III
Ricardo Wehbe
UADE
5 de septiembre de 2022
Ricardo Wehbe Programación III - Clase 04

Algoritmos greedy
Programa
1 Repaso de la clase anterior
2 Algoritmos greedy
El problema del cambio
El problema de la mochila
El código de Huffman
Matrimonios en la tribu de los kikimuris
3 Ejercicios propuestos

Algoritmos greedy
2 Algoritmos greedy

Algoritmos greedy
La técnica divide & conquer

Algoritmos greedy
Es una técnica que consiste en dividir un problema “grande” en una serie

de problemas “pequeños” de resolución más simple y luego combinar las
soluciones de los problemas “pequeños” para obtener una solución del
problema “grande.”

Algoritmos greedy

La técnica es recursiva: los problemas “pequeños” se subdividen a su vez
hasta llegar a un problema “mínimo” de resolución trivial (el caso base de
recurrencia).

Algoritmos greedy

La técnica es recursiva: los problemas “pequeños” se subdividen a su vez
hasta llegar a un problema “mínimo” de resolución trivial (el caso base de
recurrencia).
Se efectúan entonces los siguientes pasos: 1. dividir, 2. conquistar
(resolver los problemas mínimos) y 3. combinar las soluciones obtenidas.

Algoritmos greedy
Un algoritmo divide & conquer genérico
1. Algoritmo D&C (x )
2. if CasoBase (x ) {
3. return SoluciónDirecta (x )
4. } else {
5. hx1 , . . . , xn i = descomponer (x )
6. for (i = 0; n < n; i + +) {
7. yi = D&C (xi )
8. }
9. return combinar (y1 , . . . , yn )
10. }

Algoritmos greedy
2 Algoritmos greedy

Algoritmos greedy
Of course none of us are greedy. It’s only the other fellow

who’s greedy.
(Por supuesto, ninguno de nosotros es codicioso. Es siempre el otro el
que es codicioso.)
Milton Friedman en una entrevista en TV con Phil Donahue in 1979

Algoritmos greedy
Algoritmos Greedy

Algoritmos greedy
Algoritmos Greedy
Es una técnica de diseño de algoritmos que también se conocen como

algoritmos voraces o glotones por su traducción desde el inglés.

Algoritmos greedy
Algoritmos Greedy

Un algoritmo greedy construye la solución a partir de decisiones parciales
basadas en la información disponible en el momento. No considera los
efectos de sus decisiones en el futuro y nunca reconsidera una decisión ya
tomada.

Algoritmos greedy
Algoritmos Greedy

tomada.
Se suelen utilizar para resolver problemas de optimización. Son muy
eficientes, pero hay que demostrar formalmente su corrección.

Algoritmos greedy
Algoritmos Greedy

tomada.
Se suelen utilizar para resolver problemas de optimización. Son muy
eficientes, pero hay que demostrar formalmente su corrección.
Como el nombre lo sugiere, son “cortos de vista.”

Algoritmos greedy
Algoritmos greedy . Candidatos y criterios

Algoritmos greedy
Un algoritmo greedy selecciona en cada momento el mejor candidato

para incluirlo en una solución basándose en un criterio determinado.

Algoritmos greedy
Un algoritmo greedy selecciona en cada momento el mejor candidato

para incluirlo en una solución basándose en un criterio determinado.
En otras palabras, en cada paso se evalúa un candidato de una lista y,
dependiendo del resultado de esta evaluación, se lo agrega a la solución o
se o descarta, por lo menos por el momento.

Algoritmos greedy
Los elementos de un algoritmo greedy

Algoritmos greedy
Conjunto de candidatos: el conjunto de objetos disponibles para incluir

en la solución.

Algoritmos greedy

en la solución.
Función de selección: el criterio para seleccionar el mejor candidato.

Algoritmos greedy

en la solución.
Función de factibilidad: el criterio para determinar si un candidato puede
ser incluido en la solución.

Algoritmos greedy

en la solución.
Función solución: el criterio para determinar si un conjunto solución
resuelve efectivamente el problema.

Algoritmos greedy

en la solución.
Función solución: el criterio para determinar si un conjunto solución
resuelve efectivamente el problema.
Objetivo: la magnitud que se quiere maximizar o minimizar.

Algoritmos greedy
2 Algoritmos greedy

Algoritmos greedy
Un primer ejemplo. Frutillas en Thurgau

Algoritmos greedy
Imagine que se encuentra en Thurgau, donde dispone de las siguientes

monedas: 5 francos, 2 francos, un franco, 50 centavos (medio franco), 20
centavos, 10 centavos, 5 centavos, y un centavo.

Algoritmos greedy

Usted debe pagar 8.78 francos por un paquete de frutillas (un producto
típico local), y quiere usar la menor cantidad posible de monedas.

Algoritmos greedy

Una manera intuitiva es: elegir siempre la mayor moneda que cubre una
parte de la suma sin pasarse; repetir esto hasta completar el pago.

Algoritmos greedy

Una manera intuitiva es: elegir siempre la mayor moneda que cubre una
parte de la suma sin pasarse; repetir esto hasta completar el pago.
Tenemos entonces la siguiente solución que es óptima:
8.78 fr = 5 fr + 2 fr + 1 fr + 50 ¢+ 20 ¢+ 5 ¢+ 3 × 1 ¢.
Algoritmos greedy
El algoritmo del cambio
1. int Algoritmo Cambio(int v ) // input: monto; output: número de monedas

2. int n = 0 // número de monedas usadas
3. int accum = 0 // monto pagado
4. int i = 0
5. int [ ] coins = [500, 200, 100, 50, 20, 10, 5, 1]
6. while (accum < v ) && (i < length(coins)) {
7. if (accum + coins[i] <= v ) {
8. accum = accum + coins[i]
9. n=n+1 // mayor moneda que podemos usar
10. } else {
11. i =i +1 // seguimos buscando
12. }
13. }
14. if (i < length(coins))
15. return n // devolvemos el número de monedas usadas
16. else
17. return -1 // no hay solución
18. }

Algoritmos greedy
El algoritmo del cambio
1. int Algoritmo Cambio(int v ) // input: monto; output: número de monedas

2. int n = 0 // número de monedas usadas
3. int accum = 0 // monto pagado
4. int i = 0
5. int [ ] coins = [500, 200, 100, 50, 20, 10, 5, 1]
6. while (accum < v ) && (i < length(coins)) {
Θ(v ) 7. if (accum + coins[i] <= v ) {
8. accum = accum + coins[i]
9. n=n+1 // mayor moneda que podemos usar
10. } else {
11. i =i +1 // seguimos buscando
12. }
13. }
14. if (i < length(coins))
15. return n // devolvemos el número de monedas usadas
16. else
17. return -1 // no hay solución
18. }

Algoritmos greedy
Complejidad y correción del algoritmo del cambio

Algoritmos greedy
El algoritmo tiene un ciclo que en el peor caso itera hasta v . Estamos

entonces en Θ(v ).

Algoritmos greedy

entonces en Θ(v ).
Observe que el vector de monedas se trata como una constante.
Asumimos que la cantidad de denominaciones de monedas es constante,
por lo que es irrelevante desde el punto de vista de la complejidad.

Algoritmos greedy

entonces en Θ(v ).
Observe que el vector de monedas se trata como una constante.
Asumimos que la cantidad de denominaciones de monedas es constante,
por lo que es irrelevante desde el punto de vista de la complejidad.
En lo que respecta a corrección, considere el siguiente ejemplo.

Algoritmos greedy
Un segundo ejemplo. Whisky en Loch Ness, antes de 1971

Algoritmos greedy
Suponga ahora que está en Loch Ness, donde se dispone de las siguientes
monedas: una libra, una corona (un cuarto de libra), media corona (dos
chelines y seis peniques), un florín (dos chelines) un chelín (12 peniques),
6 peniques, 3 peniques, un penique.

Algoritmos greedy
Suponga ahora que está en Loch Ness, donde se dispone de las siguientes
monedas: una libra, una corona (un cuarto de libra), media corona (dos
chelines y seis peniques), un florín (dos chelines) un chelín (12 peniques),
6 peniques, 3 peniques, un penique.
Usted debe pagar una libra y 48 peniques por un vaso de whisky (un
producto típico local) y decide usar el algoritmo que tan buen resultado le
dio en Thurgau.

Algoritmos greedy
Whisky en Loch Ness, continuación

Algoritmos greedy

Resumiendo, tenemos las siguientes denominaciones: 1£; 60p (1 corona);
30p ( 12 corona); 24p (1 florín); 12p (1 chelín); 6p, 3p, 1p. Cuatro coronas
hacen una libra, que por lo tanto vale 240p.

Algoritmos greedy

Solución propuesta por el algoritmo para pagar 1£48p:
1£ + 0,5 corona +12p + 6p (cuatro monedas)

| {z }
30p

Algoritmos greedy


| {z }
30p
Solución óptima:
1£ + 2 × 1florín (tres monedas)

| {z }
48p

Algoritmos greedy


| {z }
30p
Solución óptima:
1£ + 2 × 1florín (tres monedas)

| {z }
48p
A partir de 1971, este abstruso sistema fue abandonado. Actualmente

existen las siguientes denominaciones: 2£, 1£, (100p), 50p, 20p, 10p, 5p
and 1p. Y el algoritmo da una solución óptima.

Algoritmos greedy
Los elementos del problema del cambio

Algoritmos greedy
El conjunto de candidatos es el conjunto de denominaciones de monedas

que tenemos.

Algoritmos greedy

que tenemos.
La función de selección elige siempre la mayor moneda.

Algoritmos greedy

que tenemos.
La función de factibilidad verifica que la moneda seleccionada no se pase
del monto por pagarse.

Algoritmos greedy

que tenemos.
La función de solución verifica que hayamos completado el pago.

Algoritmos greedy

que tenemos.
La función de solución verifica que hayamos completado el pago.
El objetivo es minimizar el número de monedas utilizado para el pago.

Algoritmos greedy
2 Algoritmos greedy

Algoritmos greedy

Algoritmos greedy
Se trata de otro problema clásico de optimización. Se tiene una mochila

que puede llevar un peso de hasta P. Hay por otro lado n objetos
identificados por sus números, de 1 a n.

Algoritmos greedy

Cada objeto i ∈ {1, . . . , n} tiene un valor Vi > 0 y un peso Pi > 0.

Algoritmos greedy

El objetivo es colocar objetos en la mochila de manera que se maximice el
valor almacenado respetando la limitación de peso.

Algoritmos greedy

El objetivo es colocar objetos en la mochila de manera que se maximice el
valor almacenado respetando la limitación de peso.
Los objetos pueden ser fraccionados. Para un valor 0 ≤ Xi ≤ 1, el valor
almacenado es Xi × Vi y el peso correspondiente es Xi × Pi .

Algoritmos greedy
Un ejemplo del problema de la mochila

Algoritmos greedy
Supongamos que tenemos cuatro objetos con valores [4, 7, 2, 5] y

pesos[3, 5, 4, 4]. Nuestra mochila tiene una capacidad máxima de 10.

Algoritmos greedy

Algunas combinaciones posibles son las siguientes:
P P
X1 X2 X3 X4 Xi × Pi Xi × Vi
0.5 0.5 1 0.5 10 10
1 1 0.5 0 10 12
0 1 0.25 1 10 12.5
0.33 1 0 1 10 13.33
0.33 0.8 0.45 0.8 10 11.83

Algoritmos greedy

Algunas combinaciones posibles son las siguientes:
P P
X1 X2 X3 X4 Xi × Pi Xi × Vi
0.5 0.5 1 0.5 10 10
1 1 0.5 0 10 12
0 1 0.25 1 10 12.5
0.33 1 0 1 10 13.33
0.33 0.8 0.45 0.8 10 11.83
La mejor opción es X1 = 1, X2 = 1, X3 = 0 y X4 = 0,5, que da un valor
de 13,5.

Algoritmos greedy
Los elementos del problema de la mochila

Algoritmos greedy
El conjunto de candidatos son los objetos disponibles.

Algoritmos greedy

La función de selección toma el objeto con mejor relación valor / peso.

Algoritmos greedy

La función de factibilidad verifica que no nos excedamos del peso máximo.

Algoritmos greedy

La función de solución verifica que la mochila esté llena o que hayamos
colocado todos los objetos.

Algoritmos greedy

La función de solución verifica que la mochila esté llena o que hayamos
colocado todos los objetos.
El objetivo es lograr el máximo valor con el peso máximo.

Algoritmos greedy
El algoritmo de la mochila
1. float [] Algoritmo Knapsack (obj [ ] O, int max ) { // O[i].weight, O[i].value

2. float [ ] R // La salida
3. sort O by value / weight // Θ(n log n)
4. for (i = 0; i < n; i + +) { // Θ(n)
5. R[i] = 0
6. }
7. i =0
8. int accum = 0
9. while (accum < max ) && (i < n) { // Θ(n)
10. R[i] = min(1, (max − accum)/O[i].weight)
11. accum = accum + R[i] ∗ O[i].weight
12. i ++
13. }
14. return R
15. }

Algoritmos greedy
El algoritmo de la mochila
1. float [] Algoritmo Knapsack (obj [ ] O, int max ) { // O[i].weight, O[i].value

2. float [ ] R // La salida
Θ(n log n) 3. sort O by value / weight // Θ(n log n)
4. for (i = 0; i < n; i + +) { // Θ(n)
Θ(n)
5. R[i] = 0
6. }
7. i =0
8. int accum = 0
9. while (accum < max ) && (i < n) { // Θ(n)
Θ(n)
10. R[i] = min(1, (max − accum)/O[i].weight)
11. accum = accum + R[i] ∗ O[i].weight
12. i ++
13. }
14. return R
15. }
Θ(n log n) + Θ(n) + Θ(n) = Θ(n log n)

Algoritmos greedy
Complejidad y corrección del algoritmo de la mochila

Algoritmos greedy
La complejidad del algoritmo está dada sobre todo por el proceso de

ordenamiento previo. La complejidad es entonces Θ(n log n).

Algoritmos greedy

El algoritmo es correcto. La solución que da es óptima.

Algoritmos greedy

El algoritmo es correcto. La solución que da es óptima.
Se verán en el curso otras variantes de este algoritmo que requerirán
ajustes sobre este algoritmo.

Algoritmos greedy
2 Algoritmos greedy

Algoritmos greedy
Códigos de longitud fija y variable

Algoritmos greedy
En un código de longitud fija es un código todas las palabras de código

tienen la misma longitud. Ejemplo: codificamos {A, B, C , D, E , F } con
A → 000, B → 001, C → 010, D → 011, E → 100 y F → 101.

Algoritmos greedy

A → 000, B → 001, C → 010, D → 011, E → 100 y F → 101.
En un código de longitud variable las palabras de código tienen diferente
longitud. Ejemplo: A → 0, B → 101, C → 100, D → 111, E → 1101 y
F → 1100.

Algoritmos greedy

A → 000, B → 001, C → 010, D → 011, E → 100 y F → 101.
F → 1100.
En un código sin prefijos ninguna palabra es un prefijo de otra. Los dos
códigos considerados son sin prefijos.

Algoritmos greedy

A → 000, B → 001, C → 010, D → 011, E → 100 y F → 101.
F → 1100.
En un código sin prefijos ninguna palabra es un prefijo de otra. Los dos
códigos considerados son sin prefijos.
En un mensaje de 10000 símbolos la frecuencia (en cientos) es A, 45; B,
13; C , 12; D, 16; E , 9; y F , 5. La codificación con longitud fija requiere
30000 bits; la de longitud variable, 22400 bits.
Algoritmos greedy
Souvenir. Colas de prioridad (priority queues)

Algoritmos greedy
Una cola de prioridad es una estructura de datos que contiene un

conjunto S de elementos, cada uno de ellos asociado a una clave.

Algoritmos greedy

Hay dos tipos de colas de prioridad: de máxima y de mínima. Las
respectivas implementaciones son simétricas.

Algoritmos greedy

Las operaciones asociadas con las colas de prioridad mínima (las que nos
interesan aquí) son:

Algoritmos greedy

insert(S, x ): inserta el elemento x en la cola S. La complejidad de
esta operación si está bien implementada es Θ(log n).

Algoritmos greedy

insert(S, x ): inserta el elemento x en la cola S. La complejidad de
esta operación si está bien implementada es Θ(log n).
extract-min(S): devuelve el elemento x con la menor clave y lo
elimina de la cola S. La complejidad de esta operación si está bien
implementada es Θ(log n).

Algoritmos greedy
El código de Huffman. Introducción

Algoritmos greedy
El código de Huffman se construye a través de un algoritmo greedy .

Algoritmos greedy

La idea es construir un árbol binario comenzando por las hojas, que son
los símbolos por ser codificados.

Algoritmos greedy

Para cada símbolo, el camino desde la raíz nos da la codificación.

Algoritmos greedy

Para cada símbolo, el camino desde la raíz nos da la codificación.
Cada nodo interno del árbol está asociado con una clave de una cola de
prioridad míma.

Algoritmos greedy
Un ejemplo del código de Huffman

100
0 1
A: 45 55
0 1
25 30
0 1 0 1
C: 12 B: 13 14 D: 16
0 1
F: 5 E: 9
A → 0 B → 101 C → 100 D → 111 E → 1101 F → 1100

Algoritmos greedy
La construcción del árbol de Huffman

Algoritmos greedy
<F:5, E:9, C:12, B:13, D:16, A:45>

Algoritmos greedy
<F:5, E:9, C:12, B:13, D:16, A:45>

<C:12, B:13, X1 :14, D:16, A:45>
14
0 1
F: 5 E: 9

Algoritmos greedy
<F:5, E:9, C:12, B:13, D:16, A:45>

<C:12, B:13, X1 :14, D:16, A:45>
<X1 :14, D:16, X2 :25, A:45>
25
0 1
C: 12 B: 13 14
0 1
F: 5 E: 9

Algoritmos greedy
<F:5, E:9, C:12, B:13, D:16, A:45>

<C:12, B:13, X1 :14, D:16, A:45>
<X1 :14, D:16, X2 :25, A:45>
<X2 :25, X3 :30, A:45>
25 30
0 1 0 1
C: 12 B: 13 14 D: 16
0 1
F: 5 E: 9

Algoritmos greedy
<F:5, E:9, C:12, B:13, D:16, A:45>

<C:12, B:13, X1 :14, D:16, A:45>
55 <X1 :14, D:16, X2 :25, A:45>

0 1
<X2 :25, X3 :30, A:45>
25 30
<A:45, X4 :55>
0 1 0 1
C: 12 B: 13 14 D: 16
0 1
F: 5 E: 9

Algoritmos greedy
<F:5, E:9, C:12, B:13, D:16, A:45>

100
0 1
<C:12, B:13, X1 :14, D:16, A:45>
A: 45 55 <X1 :14, D:16, X2 :25, A:45>

0 1
<X2 :25, X3 :30, A:45>
25 30
<A:45, X4 :55>
0 1 0 1
<X5 :100>
C: 12 B: 13 14 D: 16
0 1
F: 5 E: 9

Algoritmos greedy
El algoritmo de Huffman
1. void Algoritmo Huffman(set C ) // símbolos

2. n = |C |
3. initialize min-priority queue Q // la cola de prioridad
4. Q ←C // Θ(n log n)
5. for (i = 1; i < n; i + +) { // Θ(n)
6. x = extract-min(Q) // Θ(log n)
7. y = extract-min(Q) // Θ(log n)
8. create new node z
9. left(z) = x
10. right(z) = y
11. f (z) = f (x ) + f (y ) // f (x ) is freq. of x
12. insert(Q, z) // Θ(log n)
13. }
14. return z // la raíz del árbol
15. }

Algoritmos greedy
El algoritmo de Huffman
1. void Algoritmo Huffman(set C ) // símbolos

2. n = |C |
3. initialize min-priority queue Q // la cola de prioridad
Θ(n log n) 4. Q ←C // Θ(n log n)
Θ(n) 5. for (i = 1; i < n; i + +) { // Θ(n)
Θ(log n) 6. x = extract-min(Q) // Θ(log n)
Θ(log n) 7. y = extract-min(Q) // Θ(log n)
8. create new node z
9. left(z) = x
10. right(z) = y
11. f (z) = f (x ) + f (y ) // f (x ) is freq. of x
Θ(log n) 12. insert(Q, z) // Θ(log n)
13. }
14. return z // la raíz del árbol
15. }
Θ(n log n) + Θ(n log n) = Θ(n log n)

Algoritmos greedy
Complejidad del algoritmo de Huffman

Algoritmos greedy
La inicialización tiene un costo O(n) (ver ejercicios).

El ciclo for tiene un costo O(n).

Algoritmos greedy

Las inserciones tienen un costo O(log n).

Algoritmos greedy

Las inserciones tienen un costo O(log n).
Por lo tanto, estamos en O(n log n).

Algoritmos greedy
2 Algoritmos greedy

Algoritmos greedy
Las reglas del juego

Algoritmos greedy

La idea es construir un algoritmo para que n hombres y n mujeres de la
tribu formen matrimonios estables.

Algoritmos greedy

Cada hombre tiene una lista en la que todas las mujeres se encuentran
ranqueadas por orden de preferencia. Lo mismo vale para las mujeres:
cada una de ellas tiene una lista con todos los hombres ranqueados por
orden de preferencia.

Algoritmos greedy

Consideremos entonces un conjunto M = {m1 , m2 , . . . , mn } de hombres y
un conjunto F = {f1 , f2 , . . . , fn } de mujeres. Denotamos con M × F al
conjunto de todos los posibles pares ordenados (m, f ) con m ∈ M y
f ∈ F.

Algoritmos greedy

f ∈ F.
Un emparejamiento es un conjunto de pares de M × F con la propiedad
de que cada miembro de M y cada miembro de F aparece a lo sumo una
vez (no se permite la poligamia.)

Algoritmos greedy

f ∈ F.
Un emparejamiento es un conjunto de pares de M × F con la propiedad
de que cada miembro de M y cada miembro de F aparece a lo sumo una
vez (no se permite la poligamia.)
Un emparejamiento perfecto es un conjunto de pares de M × F con la
propiedad de que cada miembro de M y cada miembro de F aparece
exactamente una vez (no se permite la poligamia ni el celibato.)

Algoritmos greedy
Emparejamientos estables e inestables

Algoritmos greedy
Observemos que el problema de producir un emparejamiento perfecto es

fácil: podríamos simplemente asociar cada hombre mi con una mujer fi .

Algoritmos greedy

El inconveniente de este abordaje simplista es que puede producirse la
siguiente situación: se tienen dos parejas (m, f ) y (m0 , f 0 ). En la lista de
m, f 0 se encuentra ranqueada antes que f y en la lista de f 0 , m está
ranqueado antes que m0 .

Algoritmos greedy

La tentación de que m y f 0 abandonen a sus parejas y se fuguen juntos es
grande. Esto es una inestabilidad. Un emparejamiento es inestable si
contiene alguna inestabilidad.

Algoritmos greedy

En cambio, un emparejamiento es estable si es perfecto y no contiene
ninguna inestabilidad.

Algoritmos greedy

En cambio, un emparejamiento es estable si es perfecto y no contiene
ninguna inestabilidad.
El objetivo construir un algoritmo que nos dé un emparejamiento estable.

Algoritmos greedy
El algoritmo para los kikimuris

Algoritmos greedy

Supongamos la siguiente situación: un hombre m le propone matrimonio
a una mujer f , que figura en una alta posición en su lista. ¿Puede
agregarse inmediatamente la pareja al conjunto de soluciones?

Algoritmos greedy

No, porque podría suceder que en el futuro algún hombre m0 , a quien f
prefiere, le proponga matrimonio.

Algoritmos greedy

Por otro lado, sería riesgoso para f rechazar a m: podría suceder que no
se produzcan nuevas propuestas.

Algoritmos greedy

Para resolver este problema, se crea una etapa intermedia: compromiso.

Algoritmos greedy

La situación puede ser la siguiente: en un momento hay hombres y
mujeres comprometidos y libres (no comprometidos.) Un hombre que está
libre le propondrá matrimonio a la mujer que está más alto en su lista (no
importa si está comprometida o no.) Ésta aceptará el compromiso si está
libre o si su actual novio está más abajo en su lista. En este último caso,
el anterior novio vuelve a quedar libre.

Algoritmos greedy

La situación puede ser la siguiente: en un momento hay hombres y
mujeres comprometidos y libres (no comprometidos.) Un hombre que está
libre le propondrá matrimonio a la mujer que está más alto en su lista (no
importa si está comprometida o no.) Ésta aceptará el compromiso si está
libre o si su actual novio está más abajo en su lista. En este último caso,
el anterior novio vuelve a quedar libre.
El algoritmo termina cuando no queda nadie libre.

Algoritmos greedy
1. Algoritmo Kikimuris (int[][] M, int[][] F )

2. inicialmente, todos están libres
3. mientras haya un hombre libre m que no le haya propuesto
matrimonio a alguna mujer
4. Elegir m
5. Elegir f (la mujer que está más alta en la lista de m
a quien m aún no le propuso matrimonio)
6. si f está libre
7. (m, f ) se comprometen
8. sino //f está comprometida con m0
9. si f prefiere a m0
10. m continúa libre
11. sino //f prefiere a m
12. (m, f ) se comprometen
13. m0 queda libre
14. fin si
15. fin si
16. fin mientras
17. devolver la lista de parejas comprometidas

Algoritmos greedy
Análisis del algoritmo: terminación

Algoritmos greedy
El algoritmo termina a lo sumo luego de n2 iteraciones. Si denotamos por

P(t) a la cantidad de pares (m, f ) tales que m le ha propuesto
matrimonio a f observamos que en cada iteración algún hombre le
propone matrimonio a una mujer a quien no le ha propuesto matrimonio
antes, vemos que se cumple que P(t + 1) > P(t). Como sólo hay n2
posibles pares, esto debe terminar a lo sumo luego de n2 iteraciones.

Algoritmos greedy
El algoritmo termina a lo sumo luego de n2 iteraciones. Si denotamos por

P(t) a la cantidad de pares (m, f ) tales que m le ha propuesto
matrimonio a f observamos que en cada iteración algún hombre le
propone matrimonio a una mujer a quien no le ha propuesto matrimonio
antes, vemos que se cumple que P(t + 1) > P(t). Como sólo hay n2
posibles pares, esto debe terminar a lo sumo luego de n2 iteraciones.
En la siguiente diapositiva consideraremos la corrección del algoritmo, es
decir, que devuelve un emparejamiento estable.

Algoritmos greedy
Análisis del algoritmo: corrección

Algoritmos greedy
La primera observación es que, si un hombre está libre en un punto

determinado, hay entonces al menos una mujer a quien no ha propuesto
matrimonio. Si esto no fuera así, ya le habría propuesto matrimonio a
todas y si está libre es porque todas lo rechazaron o cancelaron el
compromiso. Por lo tanto, todas estarían comprometidas. Pero para esto
hacen falta n hombres.

Algoritmos greedy

Por lo tanto, el algoritmo produce un emparejamiento perfecto.

Algoritmos greedy

Por lo tanto, el algoritmo produce un emparejamiento perfecto.
Finalmente hay que mostrar que el algoritmo no produce inestabilidades.
Supongamos que hubiera alguna. Entonces tendríamos que hay dos
parejas (m, f ) y (m0 , f 0 ) y que m prefiere a f 0 y f 0 a m. Pero en tal caso,
m habría propuesto matrimonio a f 0 antes que a f y f 0 no habría roto su
compromiso por m0 .

Algoritmos greedy
El algoritmo de los matrimonios es greedy

Algoritmos greedy
El algoritmo es greedy , ya que cada hombre tiene un conjunto de

candidatos (todas las mujeres) y un criterio de selección (el orden del
listado.) La función de factibilidad verifica que ningún hombre le
proponga matrimonio dos veces a la misma mujer y que sólo los hombres
libres puedan proponer matrimonio.

Algoritmos greedy
El algoritmo es greedy , ya que cada hombre tiene un conjunto de

candidatos (todas las mujeres) y un criterio de selección (el orden del
listado.) La función de factibilidad verifica que ningún hombre le
proponga matrimonio dos veces a la misma mujer y que sólo los hombres
libres puedan proponer matrimonio.
El algoritmo es parcial: las mujeres salen perjudicadas. Considere el caso:
m prefiere a w , m0 prefiere a w 0 , w prefiere a m0 , y w 0 prefiere a m. Dado
que las preferencias de los hombres no chocan entre sí, las preferencias de
las mujeres no son tenidas en cuenta. La sociedad kikimuri es machista.

Algoritmos greedy
Ejercicios propuestos 1
1 El conservatorio de música de Fraile Muerto es una institución con

limitados recursos. Cuando se acercan los exámenes, un solo piano de
cola está disponible para que los estudiantes puedan practicar. Los
estudiantes deben presentar una solicitud para usar el piano. La solicitud
debe indicar la hora de inicio y de finalización.
Tenemos el conjunto de solicitudes para un día determinado y queremos
maximizar el número de estudiantes que pueden usar el piano. Proponga
un esquema greedy para resolver este problema.
2 Varios cursos están programados en el campus de la Universidad de Fraile
Muerto. Por supuesto, no puede haber dos cursos al mismo tiempo en la
misma aula. Dé un algoritmo greedy que calcule el número mínimo de
aulas necesarias para programar todos los cursos. Usted tiene a su
disposición un número arbitrario de aulas.

Algoritmos greedy
3 Tenemos un conjunto de tareas que deben ser realizadas por un único

recurso, de manera que no se pueden realizar dos al mismo tiempo. Cada
tarea j tiene un tiempo de procesamiento tj y un plazo dj . Si la tarea j
comienza en el tiempo sj , terminará en el tiempo fj = sj + tj . Definimos la
demora `j de la tarea j como `j = max(0, fj − dj ).
Queremos un esquema greedy que minimice la máxima demora, es decir
L = maxj `j .
4 Encuentre un esquema de prueba para el algoritmo greedy del problema
del cambio en el caso de las frutillas.
5 Implemente el algoritmo del código de Huffman, no necesariamente con
árboles.

Algoritmos greedy
6 El rincón surrealista. El Centro de Investigaciones Espaciales de Fraile

Muerto tiene un proyecto secreto sobre antimateria cuántica. La
antimateria viene en frascos. Cada frasco p tiene asociado un entero
positivo pk . Es importante llevar este número a 1 en la menor cantidad de
pasos que sea posible. Para ello, podemos realizar tres operaciones:
Incrementar el número pk en 1: pk → pk + 1.
Decrementar el número pk en 1: pk → pk − 1.
Dividir el número por 2: pk → pk /2. Debido a la energía destructiva
liberada cuando se realiza este proceso, los controles de seguridad
sólo permiten que suceda si el número pk es par.
Encuentre un proceso para minimizar el número de pasos requerido para
llevar un valor pk dado a 1

2022 04 Greedy Parte 1

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2022 04 Greedy Parte 1

Cargado por

Copyright:

Formatos disponibles

Repaso de la clase anterior

Ricardo Wehbe Programación III - Clase 04

1 Repaso de la clase anterior

Ricardo Wehbe Programación III - Clase 04

1 Repaso de la clase anterior

Ricardo Wehbe Programación III - Clase 04

La técnica divide & conquer

Ricardo Wehbe Programación III - Clase 04

La técnica divide & conquer

Es una técnica que consiste en dividir un problema “grande” en una serie

Ricardo Wehbe Programación III - Clase 04

La técnica divide & conquer

Es una técnica que consiste en dividir un problema “grande” en una serie

Ricardo Wehbe Programación III - Clase 04

La técnica divide & conquer

Es una técnica que consiste en dividir un problema “grande” en una serie

Ricardo Wehbe Programación III - Clase 04

Un algoritmo divide & conquer genérico

Ricardo Wehbe Programación III - Clase 04

1 Repaso de la clase anterior

Ricardo Wehbe Programación III - Clase 04

Of course none of us are greedy. It’s only the other fellow

Milton Friedman en una entrevista en TV con Phil Donahue in 1979

Ricardo Wehbe Programación III - Clase 04

Ricardo Wehbe Programación III - Clase 04

Es una técnica de diseño de algoritmos que también se conocen como

Ricardo Wehbe Programación III - Clase 04

Es una técnica de diseño de algoritmos que también se conocen como

Ricardo Wehbe Programación III - Clase 04

Es una técnica de diseño de algoritmos que también se conocen como

Ricardo Wehbe Programación III - Clase 04

Es una técnica de diseño de algoritmos que también se conocen como

Ricardo Wehbe Programación III - Clase 04

Algoritmos greedy . Candidatos y criterios

Ricardo Wehbe Programación III - Clase 04

Algoritmos greedy . Candidatos y criterios

Un algoritmo greedy selecciona en cada momento el mejor candidato

Ricardo Wehbe Programación III - Clase 04

Algoritmos greedy . Candidatos y criterios

Un algoritmo greedy selecciona en cada momento el mejor candidato

Ricardo Wehbe Programación III - Clase 04

Los elementos de un algoritmo greedy

Ricardo Wehbe Programación III - Clase 04

Los elementos de un algoritmo greedy

Conjunto de candidatos: el conjunto de objetos disponibles para incluir

Ricardo Wehbe Programación III - Clase 04

Los elementos de un algoritmo greedy

Conjunto de candidatos: el conjunto de objetos disponibles para incluir

Ricardo Wehbe Programación III - Clase 04

Los elementos de un algoritmo greedy

Conjunto de candidatos: el conjunto de objetos disponibles para incluir

Ricardo Wehbe Programación III - Clase 04

Los elementos de un algoritmo greedy

Conjunto de candidatos: el conjunto de objetos disponibles para incluir

Ricardo Wehbe Programación III - Clase 04

Los elementos de un algoritmo greedy

Conjunto de candidatos: el conjunto de objetos disponibles para incluir

Ricardo Wehbe Programación III - Clase 04

1 Repaso de la clase anterior

Ricardo Wehbe Programación III - Clase 04

Un primer ejemplo. Frutillas en Thurgau

Ricardo Wehbe Programación III - Clase 04