贪心算法

原文网址：http://blog.163.com/hadyk1111@126/blog/static/29599406200752343627495/

一、算法思想

贪心法的基本思路：
——从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到某算法中的某一步不能再继续前进时，算法停止。
该算法存在问题：
1. 不能保证求得的最后解是最佳的；
2. 不能用来求最大或最小解问题；
3. 只能求满足某些约束条件的可行解的范围。


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；

二、例题分析

1、[背包问题]有一个背包，背包容量是M=150。有7个物品，物品可以分割成任意大小。
要求尽可能让装入背包中的物品总价值最大，但不能超过总容量。


物品 A  B  C D E F G 
重量 35  30  60  50  40  10  25  
价值  10  40  30 50  35  40  30 


分析：


目标函数： ∑pi最大约束条件是装入的物品总重量不超过背包容量：∑wi<=M( M=150)


（1）根据贪心的策略，每次挑选价值最大的物品装入背包，得到的结果是否最优？
（2）每次挑选所占空间最小的物品装入是否能得到最优解？
（3）每次选取单位容量价值最大的物品，成为解本题的策略。




http://baike.baidu.com/view/298415.htm




    实现这个算法是学习算法分析与设计这门课程的需要。


    贪心算法是所接触到的第一类算法。算法从局部的最优出发，简单而快捷。对于一个问题的最优解只能用穷举法得到时，用贪心法是寻找问题次优解的较好算法。


    贪心法是一种改进了的分级处理方法。用贪心法设计算法的特点是一步一步地进行，根据某个优化测度（可能是目标函数，也可能不是目标函数），每一步上都要保证能获得局部最优解。每一步只考虑一个数据，它的选取应满足局部优化条件。若下一个数据与部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据枚举完，或者不能再添加为止。这种能够得到某种度量意义下的最优解的分级处理方法称为贪心法。




    选择能产生问题最优解的最优度量标准是使用贪心法的核心问题。


    假定有n个物体和一个背包，物体i 有质量wi，价值为pi，而背包的载荷能力为M。若将物体i的一部分xi（1<=i<=n,0<=xi<=1)装入背包中，则有价值pi*xi。在约束条件（w1*x1+w2*x2+…………+wn*xn)<=M下使目标(p1*x1+p2*x2+……+pn*xn)达到极大，此处0<=xi<=1,pi>0,1<=i<=n.这个问题称为背包问题（Knapsack problem）。


    要想得到最优解，就要在效益增长和背包容量消耗两者之间寻找平衡。也就是说，总应该把那些单位效益最高的物体先放入背包。


    在实现算法的程序中，实现算法的核心程序倒没碰到很大的问题，然而实现寻找最优度量标准程序时麻烦不断！


    在寻找最优度量标准时，大致方向是用冒泡排序算法。也就是根据p[i]/w[i]的大小来对w[i]来排序。

    在直接用此算法时，可以有如下的一段代码：

//根据效益tempArray[i]对重量w[i]排序，为进入贪心算法作准备
void sort(float tempArray[], flaot w[], int n) {
    int i = 0, j = 0;
    int index = 0;
    //用类似冒泡排序算法，根据效益p[i]/w[i]对w[i]排序
    for (i = 0; i < n; i++) {
        float swapMemory = 0;
        float temp;
        temp = tempArray[i];
        index = i;
        for (j = i + 1; j < n; j++) {
            if (temp < tempArray[j]) {
                temp = tempArray[j];
                index = j;
            }
        }
        //对w[i]排序
        swapMemory = w[index];
        w[index] = w[i];
        w[i] = swapMemory;
    }
    return;
}

    然而仔细对算法分析后可以发现，“拿来主义”在这里用不上了！
    对算法的测试用例是p[3] = {25, 24, 15};w[3] = {18, 15, 10}。得到的结果如下：

please input the total count of object: 3

Please input array of p :

25 24 15

Now please input array of w :

18 15 10

sortResult[i] is :

1   -107374176.000000   1   1.600000   2    1.600000

after arithmetic data: x[i]

0.000000        0.333333        0.000000 

    可以看到其效益为x[3] = {1.4, 1.6, 1.5}，于是在M = 20的情况下，其预想中的输出结果是 0，1，0.5。然而事实上是不是就这样呢？

    当程序进入此函数经过必要的变量初始化后，进入了外围循环，也就是程序的第7行。第一轮循 环中，temp = tempArray[0] = 1.4,index = i = 0;程序运行到第15行，也就是进入了内层循环。 内层循环的主要任务是从第i + 1个元素之后找到一个最大的效益并保存此时的下标。到了第24行后 ，就开始对w[i]进行排序。

    问题就在这里了！排序后的w[i] = {1.6, 1.6, 1.5}，因此对w[i]排序后就既改变了w[i]的原 有顺序，还改变了w[i]的原来值！

    据此，做出一些修改，得到了如下的一段代码：

void sort(float tempArray[], int sortResult[], int n) {
    int i = 0, j = 0;
    int index = 0, k = 0;
    for (i = 0; i < n; i++) { //对映射数组赋初值0
        sortResult[i] = 0;
    }
    for (i = 0; i < n; i++) {
        float swapMemory = 0;
        float temp;
        temp = tempArray[i];
        index = i;
        for (j = i; j < n; j++) {
            if ((temp < tempArray[j]) && (sortResult[j] == 0)) {
                temp = tempArray[j];
                index = j;
            }
        }
        if (sortResult[index] == 0)

        {

            sortResult[index] = ++k;
        }
    }
    for (i = 0; i < n; i++) {
        if (sortResult[i] == 0)      {
            sortResult[i] = ++k;
        }
    }
    return;
}

修改后最大的一个改变是没有继续沿用直接对w[i]排序，而是用w[i]的一个映射数组 sortResult[i]。sortResult[i]中元素值存放的是根据效益计算得w[i]的大小顺序！这样w[i]原有 的值和位置都没有改变，从而使算法得以实现！  至于有没有更好的实现版本，还在探索中！

#include <stdio.h>
#define MAXSIZE 100  //假设物体总数
#define M 20      //背包的载荷能力
//算法核心，贪心算法
void GREEDY(float w[], float x[], int sortResult[], int n) {
    float cu = M;
    int i = 0;
    int temp = 0;
    for (i = 0; i < n; i++) { //准备输出结果
        x[i] = 0;
    }
    for (i = 0; i < n; i++) {
        temp = sortResult[i];//得到取物体的顺序
        if (w[temp] > cu)
            break;
        x[temp] = 1;//若合适则取出
        cu -= w[temp];//将容量相应的改变
    }
    if (i <= n) { //使背包充满
        x[temp] = cu / w[temp];
    }
    return;
}
void sort(float tempArray[], int sortResult[], int n) {
    int i = 0, j = 0;
    int index = 0, k = 0;
    for (i = 0; i < n; i++) { //对映射数组赋初值0
        sortResult[i] = 0;
    }
    for (i = 0; i < n; i++) {
        float temp = tempArray[i];
        index = i;
        //找到最大的效益并保存此时的下标
        for (j = 0; j < n; j++) {
            if ((temp < tempArray[j]) && (sortResult[j] == 0)) {
                temp = tempArray[j];
                index = j;
            }
        }
        //对w[i]作标记排序
        if (sortResult[index] == 0) {
            sortResult[index] = ++k;
        }
    }
    //修改效益最低的sortResult[i]标记
    for (i = 0; i < n; i++) {
        if (sortResult[i] == 0) {
            sortResult[i] = ++k;
        }
    }
    return;
}
//得到本算法的所有输入信息
void getData(float p[], float w[], int *n) {
    int i = 0;
    printf("please input the total count of object: ");
    scanf("%d", n);
    printf("Please input array of p :\n");
    for (i = 0; i < (*n); i++) {
        scanf("%f", &p[i]);
    }
    printf("Now please input array of w :\n");
    for (i = 0; i < (*n); i++) {
        scanf("%f", &w[i]);
    }
    return;
}
void output(float x[], int n) {
    int i;
    printf("\n\nafter arithmetic data: advise method\n");
    for (i = 0; i < n; i++) {
        printf("x[%d]\t", i);
    }
    printf("\n");
    for (i = 0; i < n; i++) {
        printf("%2.3f\t", x[i]);
    }
    return;
}
int main() {
    float p[MAXSIZE], w[MAXSIZE], x[MAXSIZE];
    int i = 0, n = 0;
    int sortResult[MAXSIZE];
    getData(p, w, &n);
    for (i = 0; i < n; i++) {
        x[i] = p[i] / w[i];
    }
    sort(x, sortResult, n);
    GREEDY(w, x, sortResult, n);
    output(x, n);
    getch();
    return 0;
}