Algoritmos Voraces

12/07/2015
Tcnicas Algortmicas
COMPANY
LOGO
Paradigma Algoritmo Voraz

Caractersticas
Algoritmos Voraces
COMPANY
LOGO
de los algoritmos voraces:
realizar
Paradigma algoritmo voraz
Algunos algoritmos voraces
Problema mochila 0-1 vs fraccional
Problema actividad - seleccin
Cdigo HuffmanProblema
D.A.I. A l g o r i t m i c a I I I
J. C. Carbajal L.
Algoritmo Voraz: Descripcin

Normalmente
optimizacin.
COMPANY
LOGO
una secuencia de elecciones

cada opcin es la que parece ser mejor hasta
ahora, slo depende de lo que se ha hecho hasta
ahora
la eleccin produce un problema ms pequeo
para ser resuelto
Para
la heurstica voraz resolver el

problema, es que la solucin ptima para el
problema grande contiene soluciones
ptimas a subproblemas
Algoritmo Voraz: Forma general
J. C. Carbajal L.
COMPANY
LOGO
usados en problemas de
Dado
un conjunto de elementos de entrada

se van seleccionando o desechando estos
para formar un conjunto de elementos que
cumplan con la restricciones.
Un
algoritmo voraz no encuentra siempre

una solucin ptima, pero muchas veces la
logra.
Algoritmo Voraz: Descripcin
J. C. Carbajal L.
COMPANY
LOGO
El algoritmo voraz arroja soluciones que estn muy cerca de las

soluciones exactas.
Rapidez en hallar una solucin, cuando la encuentran.
Moderado costo computacional.
De implementacin sencilla.
DESVENTAJAS
El enfoque que aplican es muy corto y toma decisiones

basndose en la informacin que tienen disponible de modo
inmediato, sin tener en cuenta los efectos que estas decisiones
puedan tener en el futuro.
Se estancan en ptimos locales de las funciones que pretenden
optimizar y quiz no analizan vecindades ms all del criterio,
por lo que pueden estar dejando de considerar al ptimo global.
Diseando un algoritmo Voraz
J. C. Carbajal L.
COMPANY
LOGO
Repartir
VENTAJAS
J. C. Carbajal L.
el problema para que hagamos una

eleccin codiciosa (localmente ptima) y
quedarnos con un subproblema
Demostrar que siempre hay una solucin
ptima (globalmente) para el problema
original que toma la decisin codiciosa
Demostrar que la eleccin junto con una
solucin ptima al subproblema da una
solucin ptima al problema original
J. C. Carbajal L.
12/07/2015
Algunos algoritmos Voraces
COMPANY
LOGO
mochila fraccional
de Huffman
MST algoritmo de Kruskal
Algoritmo MST de Prim
SSSP algoritmo de Dijkstra
...
algoritmo mochila fraccional
algoritmo
Hay
cdigos
Artculo
n diversos artculos en una tienda

i:
pesa libras
vale $
Un ladrn entra en la tienda
Puede transportar hasta W libras en su
mochila
Qu debe tomar para maximizar el valor de
su botn?
J. C. Carbajal L.
Mochila 0-1 vs Fraccional

Problema
COMPANY
LOGO
de la mochila 0-1:
de la mochila fraccional:
el
ladrn puede tomar los objetos parcialmente

por ejemplo, los artculos son lquidos o polvos
solucionable con un algoritmo voraz ...
J. C. Carbajal L.
COMPANY
LOGO
Algoritmo voraz mochila 0-1?

Se
Algoritmo voraz: mochila fraccional
J. C. Carbajal L.
COMPANY
LOGO
elementos en orden decreciente de

valor por libra
Mientras exista espacio en la mochila (lmite
de libras W) hacer
artculos no se pueden dividir

el ladrn debe tomar elemento completo o
dejarlo atrs
Ordenar
los
Problema
COMPANY
LOGO
tienen 3 artculos:
considerar
el siguiente elemento de la lista

ordenada
tomar tanto como sea posible (todo lo que hay o
lo mucho que se ajuste a limite W)
O(n
log n) tiempo de funcionamiento (para

Ordenar)
Problema de la mochila 0-1
J. C. Carbajal L.
COMPANY
LOGO
Tomar
artculo
1 pesa 10 libras, vale 60 ($ 6/lb)

artculo 2 pesa 20 libras, vale 100 ($ 5/lb)
artculo 3 pesa 30 libras, vale 120 ($ 4/lb)
La
mochila puede contener 50 libras

estrategia voraz:
el artculo 1 es un gran error

globalmente, aunque se ve bien a nivel local
Utilice programacin dinmica para resolver
esto en tiempo pseudo-polinomial
tomar
el artculo 1
el artculo 2
no hay espacio para el artculo 3
tomar
J. C. Carbajal L.
J. C. Carbajal L.
12/07/2015
Plantilla algoritmo voraz
COMPANY
LOGO
Voraz (entrada )
inicio
mientras que (la solucin no es completa) hacer
Seleccionar el mejor elemento x en la entrada restante ;
Ponga x en la siguiente salida;
Retire x de la entrada restante;
end mientras
fin
Ejemplo 2: Problema mochila 2

Segunda estrategia
seleccione el elemento relativamente ms valioso (max (
Esto conducir a la solucin ptima en el caso descrito anteriormente.

Sin embargo, esto no siempre es el caso!
Capacidad de la mochila: 50
g1
g2
g3
30
40
50
Valor
90
100
110
Objeto
g1
g2
g3
g4
3
2,5
2,2
La estrategia escoger g1
(valor 90)
Sin embargo, el ptimo sera
g3 (valor 110)
Los algoritmos voraces no siempre proporcionan la solucin ptima.

A cambio, ellos son mucho menos caros que la programacin dinmica.
La complejidad de la mochila-voraces: ()
J. C. Carbajal L.
J. C. Carbajal L.
Algoritmo voraz
COMPANY
LOGO
Concepto principal
Divida el problema en varios pasos (sub-problemas)
Para cada paso tomar la mejor opcin en el momento

actual (ptimo local) (eleccin voraz)
Un algoritmo voraz siempre hace la eleccin que se

ve mejor en este momento
La esperanza: Una eleccin localmente ptima

conducir a una solucin ptima a nivel global
Para los problemas de optimizacin:
Para algunos problemas de optimizacin,

La programacin Dinmica es "excesiva"
La estrategia voraz es ms simple y ms eficiente.
COMPANY
LOGO
Problemas de optimizacin aparecen en tantas aplicaciones

Maximizar el nmero de puestos de trabajo mediante
un recurso [Problema Actividad-Seleccin]
Codificar los datos en un archivo para reducir al
mnimo su tamao [Problema Codificacin de Huffman]
Recoger el mximo valor de los bienes que se ajustan
en un cubo dado [Problema de la mochila]
Seleccione el peso ms pequeo de las aristas para
conectar todos los nodos en un grafo [Minimum
Spanning Tree]
El enfoque voraz puede

resolver estos problemas:
La programacin dinmica
puede resolver estos problemas
J. C. Carbajal L.
Problema con una funcin objetivo a cualquiera:

Maximizar algn beneficio
Minimizar algn costo
COMPANY
LOGO
2 tcnicas para resolver problemas de optimizacin:

1. Programacin dinmica
2. Algoritmo voraz (Estrategia Voraz)
elegir: g4; Valor: 9;

capacidad restante: 8
elegir: g4; Valor: 9;
capacidad restante: 1
y no es ptima
problema de optimizacin
J. C. Carbajal L.
Algoritmo voraz
Tamao Valor
3
3
4
5
6
8
7
9
COMPANY
LOGO
( )
))
( )
COMPANY
LOGO
2 posibles estrategias voraces

Primera estrategia
seleccione el elemento ms valioso en cada paso que todava
cabe en la mochila: la capacidad de la mochila: 15
J. C. Carbajal L.
Objeto Tamao
Ejemplo 1: Problema mochila 1
Para algunos problemas, funciona. Para otros, no es as
J. C. Carbajal L.
12/07/2015
Mochila 0-1
Los elementos no pueden ser divididos

Lo tomas o lo dejas
Mochila 0-1
La estrategia voraz no funciona
COMPANY
LOGO
COMPANY
LOGO
Ejm 1:
30 $120
Item 3
50
Item 2
50
50
20 $100
hallar
x i tal que para todo x i = {0, 1},
If Xi = 1, then item i se tomar
i = 1, 2, .., n
wi x i W y
If Xi = 0, then item i se omitir
x i vi es mximo
Mochila 0-1 Fraccional
10
$60
$100
$6/libra
$5/libra
$160
$220
No ptimo
J. C. Carbajal L.
Mochila 0-1 Fraccional

La estrategia voraz trabaja
$100
$60
COMPANY
LOGO
Los items pueden ser divididos

Puede tomar parte de ella, segn sea necesario
$120
20
$4/libra
Eleccin voraz:
Calcula el beneficio por libra
Ordena los items basado en estos valores
J. C. Carbajal L.
20
10
30
Item 1
COMPANY
LOGO
Ejm 1:
2/3
de
30
Item 3
50
Item 2
$80
+
50
20 $100
hallar x i tal que para todo 0 <= x i <= 1,
i = 1, 2, .., n
Item 1
$60
If Xi > 0, then Xi fraction of item i se tomar
x i vi es mximo
$6/libra
J. C. Carbajal L.
Ejemplo
COMPANY
LOGO
Item:
1
Beneficio: 5
Peso:
7
B/P:
0.71
2
8
8
1
3
3
4
0.75
4
5
2
7
10 4
0.2 1.75
6
9
6
1.5
7
4
4
1
Capacidad de la mochila mximo de 22 libras

I5 (restante 18)
I6 (restante 12)
I2 (restante 4)
I7 (restante 0)
$100
$5/libra
$120
$60
$240
$4/libra
Eleccin voraz:
Optimo
Calcula el beneficio por libra
Ordena los items basado en estos valores
Tome lo ms que pueda de los mejores items de la lista
J. C. Carbajal L.
Problema Actividad - Seleccin
10
10
If Xi = 0, then item i se omitir
wi x i W y
30
20
COMPANY
LOGO
Dado un conjunto de actividades A1, A2, ... An (por ejemplo, charlas o

conferencias)
Cada actividad tiene una hora de inicio (S) y hora de finalizacin (E)
Cada Ai tiene (Si, Ei)
Las actividades deben utilizar un recurso comn (por ejemplo, sala
de conferencias)
Objetivo: Maximizar el nmero de actividades "compatibles" que
utilizan el recurso
No se puede tener dos actividades que se solapan
A3
A1
A7
A5
A2
A8
A4
A6
Dimensin Tiempo
J. C. Carbajal L.
J. C. Carbajal L.
12/07/2015
Ejemplo de actividades compatibles
Algoritmo voraz
COMPANY
LOGO
Seleccione la actividad que termina primero (el

ms pequeo tiempo final)
Intuicin: deja el mayor espacio vaco posible
para ms actividades
Conjunto de actividades A = {A1, A2, ., An}
Cada Ai = (Si, Ei)
Ejemplos de actividades compatibles:

{A1, A3, A8}
{A1, A4, A5, A7}
{A2, A5, A8}
.
A3
A1
Una vez seleccionada una actividad

Eliminar todas las actividades no compatibles
Ellos no se pueden seleccionar
A7
A5
A2
A4
A6
A8
Repita el algoritmo para el resto de actividades

Ya sea utilizando iteraciones o recursin
Dimensin Tiempo
Algoritmo voraz
Seleccione la actividad que termina

primero (el ms pequeo tiempo final)
Intuicin: deja el mayor espacio vaco

posible para ms actividades
COMPANY
LOGO
J. C. Carbajal L.
J. C. Carbajal L.
Ejemplo
COMPANY
LOGO
COMPANY
LOGO
A3
A7
A1
Seleccin voraz:
Selecciona la prxima
mejor actividad
(ptimo Local)
A5
A2
A8
A6
A4
Time dimension
Una vez seleccionada una actividad
Eliminar todas las actividades no

compatibles
Ellos no se pueden seleccionar

Repita el algoritmo para el resto de
actividades
Ya sea utilizando iteraciones o

recursin
A:
Sub-problema: Creamos
un sub-problema para
resolver
(Encuentra el plan ptimo
despus de la actividad
seleccionada)
2 3
Si
Ei
1
4
2 7
9 15
5
8
10
18
16
17
21
27
23
30
Eso es una
respuesta ptima ??
Podemos encontrar
un conjunto ms
amplio?
El algoritmo voras seleccionar:

{A1, A4, A6, A7}
Esperemos que cuando fusionamos el ptimo local + la solucin al sub-problema

ptimo obtenemos un ptimo global
Solucin ptima
J. C. Carbajal L.
J. C. Carbajal L.
Ejemplo
COMPANY
LOGO
El Algoritmo voraz conduce a la solucin ptima
A3
A1
Podemos convertir cualquier otra solucin ptima

(S') a la solucin algoritmo voraz (S)
Idea:
Comparacin de las actividades en S'y S de izquierda

a derecha
Si coinciden en la actividad seleccionada saltar
Si no coinciden
Podemos sustituir la actividad en S'por aquel en S
debido a que el que est en S termina primero
J. C. Carbajal L.
A8
A6
A4
Cmo probarlo
A7
A5
A2
COMPANY
LOGO
Time dimension
A:
2 3
Si
Ei
1
4
2 7
9 15
5
8
10
18
16
17
7
21
27
8
23
30
Solucin voraz S = {A1, A4, A6, A7}

Otra solucin S = {A1, A4, A5, A8}
A5 en S puede ser reemplazado por A6 de S (termina antes)
A8 en S puede ser reemplazado por A7 de S (termina antes)
Por estos reemplazos, ahorramos tiempo.

As, la solucin voraz debe ser al menos tan buena como
cualquier otra solucin ptima
J. C. Carbajal L.
12/07/2015
Solucin recursiva
Solucin iterativa
COMPANY
LOGO
COMPANY
LOGO
Dos arrays que contienen las horas de inicio y fin

(Supuesto: se ordenan en base a los tiempos finales)
Dos arrays que contienen las horas de inicio y fin

(Supuesto: se ordenan en base a los tiempos finales)
La actividad elegida
en la ltima llamada
Actividad-Seleccion-Iterativa(S, E)
n = S.Length
Lista = {A1}
ultimaSeleccion = 1
El tamao del
problema
Actividad-Seleccion-Recursiva(S, E, k, n)
m = k +1
Encuentra la siguiente actividad
While (m <= n) && ( S[m] < E[k])
de partida despus del final de k
m++;
If (m <= n)
return {Am} U Actividad-Seleccion-Recursiva(S, E, m, n)
Else
return
For (i = 2 to n)
if (S[i] >= E[ultimaSeleccion])
Lista = List U {Ai}
ultimaSeleccion = i
End If
End Loop
Complejidad tiempo: O(n)

(Suponiendo que los arrays ya estn ordenados, de lo contrario
le sumamos O(n log n)
J. C. Carbajal L.
Elementos de un algoritmo voraz
En cada paso, hacemos una eleccin voraz (ptimo

local)
La eleccin voraz se hace generalmente

independiente de los sub-problemas
Usualmente se realiza "antes de" resolver el subproblema
Subestructura ptima
La solucin ptima global puede estar compuesta de

la ptima local de los sub-problemas
Cdigos de Huffman
J. C. Carbajal L.
Para la compresin de datos (secuencia de caracteres)

Ampliamente utilizado
Muy eficiente (ahorro de 20-90%)
Use una tabla para mantener las frecuencias de
ocurrencia de caracteres.
Cadena binaria de salida.
Probando que una solucin voraz es ptimo
Recuerde: No todos los problemas tienen solucin ptima voraz

Si lo hace, tendr que demostrarlo
Por lo general, la prueba incluye el mapeo o la conversin de

cualquier otra solucin ptima a la solucin voraz
Mapeamos S' a S y
demostramos que S es an
mejor
Solucin voraz S = {A1, A4, A6, A7}

Otra solucin S = {A1, A4, A5, A8}
A5 en S 'puede ser reemplazado por A6 de S (termina antes)
A8 en S 'puede ser reemplazado por A7 desde S (termina antes)
001 0110 0 0 100

1000 1110
J. C. Carbajal L.
J. C. Carbajal L.
Cdigo Huffman
Ejemplo:
Frecuencia
Todays
weather is nice
COMPANY
LOGO
Elementos de un algoritmo voraz
COMPANY
LOGO
Cdigos de Huffman
J. C. Carbajal L.
Solucin Top-Down
COMPANY
LOGO
Propiedad Eleccin-Voraz
Return Lista
Un archivo de 100,000
caracteres. Conteniendo
solo a hasta f
a
b
c
d
e
f
45000
13000
12000
16000
9000
5000
COMPANY
LOGO
Longitud-Fija LongitudVariable
cdigo word
cdigo word
000
0
001
101
010
100
011
111
100
1101
101
1100
eg. abc = 000001010
ejm. abc = 0101100
300,000 bits
1*45000 + 3*13000 + 3*12000 +

3*16000 + 4*9000 + 4*5000
= 224,000 bits
J. C. Carbajal L.
12/07/2015
Cdigo Huffman
Un archivo de
100,000 caracteres.
Los esquemas de codificacin pueden ser

representados por rboles:
Frecuencia
Longitud-Fija
(en miles)
cdigo word
a
a
45
000
b
b
13
001
c
c
12
010
d
d
16
011
e
e
9
100
f
f
5
101
No es un
rbol binario
completo
86
0
28
1
b:13
14
1
d:16
0
c:12
Frecuencia Longitud-Variable
(en miles)
cdigoword
45
0
13
101
12
100
16
111
9
1101
5
1100
0
a:45
14
58
0
a:45
100
100
0
b:13
cada nodo no hoja

tiene dos hijos
55
1
30
1
c:12
0
e:9
1
f:5
e:9
c:12
1
55
0
b:13
30
1
c:12
d:16
14
b:13
25
c:12
b:13
e:9
30
a:45
e:9
a:45
14
f:5
a:45
c:12
d:16
e:9
b:13
a:45
f:5
e:9
b:13
30
c:12
d:16
14
e:9
Encontrar el cdigo ptimo
c:12
b:13
a:45
e:9
COMPANY
LOGO
14
f:5
e:9
d:16
a:45
d:16
a:45
25
c:12
b:13
55
25
d:16
14
d:16
14
e:9
b:13
100
30
b:13
a:45
25
c:12
55
25
d:16
14
f:5
d:16
14
f:5
f:5
Q: Una cola min-prioridad

c:12
a:45
J. C. Carbajal L.
Cdigo Huffman
f:5
c:12
1
d:16
1
f:5
COMPANY
LOGO
b:13
25
COMPANY
LOGO
Para encontrar un cdigo ptimo para un archivo:

1. La codificacin debe ser inequvoca.
Considerar los cdigos en los que no es Codeword
tambin un prefijo de otro Codeword. => Cdigos de
prefijo
Cdigos prefijos son inequvocos.
Una vez que los Codeword son decididos, es fcil de
comprimir (codificar) y descomprimir (recepcin).
2. Tamao del archivo debe ser ms pequeo.
=> Puede ser representado por un A.B. completo.
=> Por lo general, los caracteres menos frecuentes
estn en el fondo
Sea C el alfabeto (ej. C = {'a', 'b', 'c', 'd', 'e', 'f'})
Para cada carcter c, nro. de bits para codificar todas
las ocurrencias de c = freqc*depthc
Tamao Archivo B(T) = cCfreqc*depthc
Ejm. abc es codificado

como 0101100
Cdigo Huffman (1952) fue inventado para resolverlo.

Por un enfoque Greedy.
f:5
100
J. C. Carbajal L.
Cdigo Huffman
Q: Una cola min-prioridad
0
a:45
0
e:9
1
d:16
0
14
Cmo encontramos el
cdigo ptimo prefijo?
Frecuencia Codeword
45000
0
13000
101
12000
100
16000
111
9000
1101
5000
1100
a
b
c
d
e
f
A. B. completo
25
1
f:5
0
e:9
Cdigo Huffman
COMPANY
LOGO
f:5
J. C. Carbajal L.
HUFFMAN(C)
1 Construir Q desde C
2 For i = 1 to |C|-1
3 Asignar un nuevo nodo de z
4 z.left = x = EXTRACT_MIN(Q)
5 z.right = y = EXTRACT_MIN(Q)
6 z.freq = x.freq + y.freq
7 Inserte z en Q en la posicin correcta.
8 Return EXTRACT_MIN(Q)
"Construir Q de C" es O (n)

"EXTRACT_MIN(Q)" es O(log n)
"Insertar z en Q" es O (log n)
Huffman (C) es O (n log n)
Cmo es "voraz"?
Cdigo Huffman
COMPANY
LOGO
entrada:
Si Q se implementa como un minheap binario,
J. C. Carbajal L.
COMPANY
LOGO
Idea:
usar cdigos cortos para los

caracteres ms frecuentes y cdigos largos
para menos frecuente
archivo
de datos de caracteres y
nmero de ocurrencias de cada caracter
salida:
una
codificacin binaria de cada carcter de

manera que el archivo de datos puede ser
representado tan eficientemente como sea
posible
"cdigo ptimo"
J. C. Carbajal L.
J. C. Carbajal L.
12/07/2015
Voraz
COMPANY
LOGO
Representacin rbol binario
el cdigo de longitud fija, fcil:

en 3, por ejemplo,
Para el cdigo de longitud variable,
asegrese de que el nro del cdigo del
carcter es el prefijo de otro
ninguna ambigedad
COMPANY
LOGO
Con
dividirse
Cdigo de longitud fija
101111110100
b
aa
J. C. Carbajal L.
Representacin rbol binario
COMPANY
LOGO
1 0
1 0
b c
d e
costo de cdigo es la suma,

sobre todos los caracteres c,
de nmero de ocurrencias
de c veces la profundidad de
c en el rbol
J. C. Carbajal L.
Algoritmo para construir el rbol de

Representacin del Cdigo Huffman
COMPANY
LOGO
Dado
1
Cdigo de longitud variable
a 0
b 0
costo de cdigo es la suma,

sobre todos los caracteres c,
de nmero de ocurrencias
de c veces la profundidad de
c en el rbol
1
d
J. C. Carbajal L.
Ejemplo
Char Fr eq.
E
1
e
8
r
2
i
1
space 4
Char Fr eq.
y
1
s
2
n
2
a
2
l
1
COMPANY
LOGO
el conjunto C de n caracteres, c
ocurre f[c] veces
inserte cada c en la cola de prioridad Q
utilizando f[c] como clave
para i: = 1 hasta n-1 hacer
x:
= extract-min (Q)
= extract-min (Q)
hacer un nuevo nodo w/ hijo izquierdo de
(borde etiqueta 0), hijo derecho (borde
etiqueta 1), y [] = [] + []
inserte en Q
y:
Encuentra las dos frecuencias ms

pequeas ... Reemplcelas con su padre
COMPANY
LOGO
Char Fr eq.
k
1
.
1
Cada char. tiene

un nodo hoja con
su frecuencia
2
E
1
J. C. Carbajal L.
J. C. Carbajal L.
i
1
J. C. Carbajal L.
12/07/2015

COMPANY
LOGO
2
E
1

i
1
E
1
2
y
1
k
1
J. C. Carbajal L.

E
1
2
y
1
i
1
l
1
k
1
COMPANY
LOGO
.
1
J. C. Carbajal L.

COMPANY
LOGO
4
E
1
.
1
i
1
y
1
k
1
l
1
.
1
r
2
s
2
4
n
2
s
2
J. C. Carbajal L.

y
1
l
1
k
1
i
1
i
1
l
1
E
1
y
1
2
l
1
r
2
COMPANY
LOGO
.
1
COMPANY
LOGO

s
2
n
2
a
2
8
r
2
J. C. Carbajal L.
a
2
4
k
1
r
2
.
1
4
s
2
n
2
a
2
i
1
i
1
2
y
1
l
1
2
E
1
2
E
1
COMPANY
LOGO
2
y
1
2
k
1
l
1
J. C. Carbajal L.
.
1
J. C. Carbajal L.
12/07/2015

COMPANY
LOGO

4
r
2
n
2
s
2
4
2
a
2
E
1
i
1
E
1
.
1
i
1
4
n
2
s
2
a
2
E
1
J. C. Carbajal L.

COMPANY
LOGO
i
1
2
l
1
y
1
k
1
a
2
J. C. Carbajal L.

n
2
s
2
a
2
16
E
1
i
1
2
l
1
y
1
k
1
16
.
1
E
1
i
1
e
8
2
l
1
y
1
k
1
n
2
.
1
r
2
COMPANY
LOGO
10
4
4
r
2
s
2
n
2
s
2
.
1
10
r
2
r
2
e
8
.
1
10
r
2
k
1
l
1
y
1
k
1
l
1
y
1
COMPANY
LOGO
s
2
n
2
a
2
a
2
J. C. Carbajal L.
Ahora tenemos una sola raz ... Este es el

rbol de Huffman
J. C. Carbajal L.
COMPANY
LOGO
Vamos a analizar Huffman rbol
COMPANY
LOGO
26
16
10
26
4
16
10
4
2
E
1
i
1
e
8
2
y
1
2
l
1
k
1
4
.
1
E
1
r
2
s
2
n
2
a
2
J. C. Carbajal L.
i
1
e
8
2
y
1
2
l
1
k
1
.
1
4
r
2
s
2
n
2
a
2
Todos los caracteres estn en los nodos hoja

El nmero en la raz = # de los caracteres en el archivo
Caracteres de alta frecuencia (por ejemplo, la "e") estn cerca de la
raz
Caracteres de baja frecuencia estn lejos de la raz
J. C. Carbajal L.
10
12/07/2015
Vamos a asignar cdigos
COMPANY
LOGO
26
26
0
16
10
4
2
E
1
i
1
e
8
6
2
2
l
1
y
1
k
1
.
1
r
2
s
2
n
2
0
E
1
a
2
Atravesar el rbol
Atravesar el rbol
A toda arista izquierda aadir etiqueta 0

A toda arista derecha aadir etiqueta 1
El cdigo de cada carcter es su secuencia de etiqueta-raz a hojas
COMPANY
LOGO
Paso 3: Codificar (Comprimir)
Eerie eyes seen near lake.

Tabla de codificacin
+
Generar el archivo
codificado
0000 10 1100 000110
Char
E
i
y
l
k
.
space
e
r
s
n
a
Code
0000
0001
0010
0011
0100
0101
011
10
1100
1101
1110
1111
J. C. Carbajal L.
.
1
1
4
0
r
2
s
2
0
n
2
1
a
2
J. C. Carbajal L.
Elaborar un rbol Huffman-cdigo (rbol binario)

Recorrer el rbol para asignar cdigos
Paso 3: Codificar (Comprimir)
COMPANY
LOGO
Paso 2: Elaborar cdigos de rboles y Asignar
Analiza el archivo de nuevo y vuelva a colocar cada

carcter por su cdigo
Paso 4: Decodificar (Descomprimir)
rbol de Huffman es la clave para descomprimir el

archivo
Paso 4: Decodificar (Descomprimir)
J. C. Carbajal L.
COMPANY
LOGO
tener el archivo codificado + el rbol de codificacin
Analiza
el archivo codificado
Para cada 0 mover hacia la izquierda en el rbol

Por cada 1 mover hacia la derecha
Hasta llegar a un nodo hoja Emitir ese carcter y volver a la raz
0000 10 1100 000110
Generar el
archivo original
Note que el cdigo no es prefijo de cualquier otro

cdigo Asegura que la decodificacin ser nica
Analiza el archivo a comprimir y contar la aparicin de cada

caracter
Clasificar los caracteres en funcin de su frecuencia
Debe
Archivo entrada:
l
1
Paso 1: Obtener Frecuencias
J. C. Carbajal L.
y
1
0
k
1
Algoritmo Huffman
COMPANY
LOGO
Code
0000
0001
0010
0011
0100
0101
011
10
1100
1101
1110
1111
e
8
Tabla de codificacin
Char
E
i
y
l
k
.
space
e
r
s
n
a

J. C. Carbajal L.
Atravesar el rbol

i
1
1
16
10
COMPANY
LOGO
Eerie
J. C. Carbajal L.
11

Algoritmos Voraces

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algoritmos Voraces

Uploaded by

Copyright:

Available Formats

12/07/2015

Paradigma Algoritmo Voraz

de los algoritmos voraces:

Paradigma algoritmo voraz

Algunos algoritmos voraces

Problema mochila 0-1 vs fraccional

Problema actividad - seleccin

Algoritmo Voraz: Descripcin

una secuencia de elecciones

la heurstica voraz resolver el

Algoritmo Voraz: Forma general

un conjunto de elementos de entrada

algoritmo voraz no encuentra siempre

Algoritmo Voraz: Descripcin

El algoritmo voraz arroja soluciones que estn muy cerca de las

Rapidez en hallar una solucin, cuando la encuentran.

Moderado costo computacional.

El enfoque que aplican es muy corto y toma decisiones

Diseando un algoritmo Voraz

el problema para que hagamos una

Algunos algoritmos Voraces

algoritmo mochila fraccional

n diversos artculos en una tienda

Mochila 0-1 vs Fraccional

ladrn puede tomar los objetos parcialmente

Algoritmo voraz mochila 0-1?

Algoritmo voraz: mochila fraccional

elementos en orden decreciente de

artculos no se pueden dividir

el siguiente elemento de la lista

log n) tiempo de funcionamiento (para

Problema de la mochila 0-1

1 pesa 10 libras, vale 60 ($ 6/lb)

mochila puede contener 50 libras

el artculo 1 es un gran error

Plantilla algoritmo voraz

Ejemplo 2: Problema mochila 2

Esto conducir a la solucin ptima en el caso descrito anteriormente.

Los algoritmos voraces no siempre proporcionan la solucin ptima.

Divida el problema en varios pasos (sub-problemas)

Para cada paso tomar la mejor opcin en el momento

Un algoritmo voraz siempre hace la eleccin que se

La esperanza: Una eleccin localmente ptima

Para los problemas de optimizacin:

Para algunos problemas de optimizacin,

Problemas de optimizacin aparecen en tantas aplicaciones

El enfoque voraz puede

Problema con una funcin objetivo a cualquiera:

2 tcnicas para resolver problemas de optimizacin:

elegir: g4; Valor: 9;

2 posibles estrategias voraces

Ejemplo 1: Problema mochila 1

Para algunos problemas, funciona. Para otros, no es as

Los elementos no pueden ser divididos

x i tal que para todo x i = {0, 1},

If Xi = 1, then item i se tomar

If Xi = 0, then item i se omitir

Mochila 0-1 Fraccional

Mochila 0-1 Fraccional

Los items pueden ser divididos

hallar x i tal que para todo 0 <= x i <= 1,

If Xi > 0, then Xi fraction of item i se tomar

Capacidad de la mochila mximo de 22 libras

145000 + 313000 + 3*12000 +