Em um Algoritmo ganancioso, fazemos qualquer escolha que pareça melhor no momento na esperança de que isso leve a uma solução ótima global. Na Programação Dinâmica tomamos decisões em cada etapa considerando o problema atual e a solução do subproblema previamente resolvido para calcular a solução ótima.
Quantas soluções viáveis existem no método guloso?
Um algoritmo ganancioso faz escolhas gananciosas em cada etapa para garantir que a função objetivo seja otimizada. O algoritmo Greedy tem apenas one shot para calcular a solução ótima para que ela nunca volte atrás e reverta a decisão.
Qual é o conceito de método ganancioso?
Definição: Um algoritmo que sempre pega a melhor solução imediata, ou local, enquanto encontra uma resposta. Algoritmos gananciosos encontram a solução ideal geral ou global para alguns problemas de otimização, mas podem encontrar soluções abaixo do ideal para algumas instâncias de outros problemas.
Quais são os benefícios da abordagem gananciosa?
A vantagem de usar um algoritmo guloso é que soluções para instâncias menores do problema podem ser diretas e fáceis de entender. A desvantagem é que é perfeitamente possível que as melhores soluções de curto prazo possam levar ao pior resultado possível de longo prazo.
Quando devemos usar ganancioso?
Abaixo mencionados estão alguns problemas que usam a solução ótima usando a abordagem Greedy
- Problema do caixeiro viajante.
- Algoritmo de Árvore Geradora Mínima de Kruskal.
- Algoritmo de árvore geradora mínima de Dijkstra.
- Problema da mochila.
- Problema de agendamento de tarefas.
