贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,算法得到的是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解,关键是贪心策略的选择。
贪心算法的局部最优解:在当前子结构中,方案1是最优的解,通过方案1可以得到此子结构的最优化的解,此结构称为最优子结构。由部分最优推到全体最优。
ps:贪心算法得到的解不一定是最优的解(这里就体现了贪心算法和动态规划的区别咯,以后会说)。
通俗地讲,贪心算法,就是在小部分小结构中构造一个最优化的解法,推至大结构大数据也可以接受并成功运行的算法,主要涉及贪心思想和数学思维、不等式等。
例题:洛谷P4995——跳跳!
贪心策略:由于要使每一次的体力值消耗最多,我们只需要使每一次跳跃的高度差最大即可,对于每一次跳跃,都是最大距离的跳跃,那么对于整个过程,得到的答案也是最大的。满足最优子结构和最优解,故可以使用贪心。
#include<iostream>
#include<algorithm>
using namespace std;
int main()
{
int a[305];
int n;
cin>>n;
for(int i=1;i<=n;i++)
{
cin>>a[i];
}
sort(a+1,a+1+n);
a[0]=0;
int low=0,high=n;
int j=1;
long long int sumn=0;
while(low<high)
{
sumn+=(a[high]-a[low])*(a[high]-a[low]);
j++;
if(j%2==0)
{
low++;
}
else
high--;
}
cout<<sumn<<endl;
}
例题2:Acwing110.防晒
贪心策略:对于同一个沐浴露,可以有不同的牛来涂抹,但是若要使最终可以均摊到的牛的数量最多,则优先让minSPF大的来。先将SPF从大到小排序,对于每一个瓶子,优先让minSPF大的牛获取,因为minSPF小的可能还可以使用小于当前SPF的瓶子;
如图所示,对于牛1和牛2,都可以用p2这个沐浴露,但显然牛1更加靠前,牛2还有p1可以使用,但牛1似乎只有p2可以使用,所以选择牛1来使用这个沐浴露最好,这样可以使所用沐浴露的牛的数量最大。故此最佳策略是正确的。
#include<iostream>
#include<algorithm>
using namespace std;
const int MAXN=2507;
struct COW{
int maxSPF;
int minSPF;
}cow[MAXN];
struct BOTTOLE{
int SPF;
int num;
}b[MAXN];
bool cmp1(COW x,COW y)
{
if(x.minSPF!=y.minSPF)
return x.minSPF>y.minSPF;
else
return x.maxSPF<y.maxSPF;
}
bool cmp2(BOTTOLE x,BOTTOLE y)
{
return x.SPF>y.SPF;
}
int main()
{
int ans=0;
int C,L;
cin>>C>>L;
for(int i=1;i<=C;i++)
{
cin>>cow[i].minSPF>>cow[i].maxSPF;
}
for(int i=1;i<=L;i++)
{
cin>>b[i].SPF>>b[i].num;
}
sort(cow+1,cow+1+C,cmp1);
sort(b+1,b+L+1,cmp2);
for(int i=1;i<=C;i++)
{
for(int j=1;j<=L;j++)
{
if(b[j].SPF>=cow[i].minSPF&&b[j].SPF<=cow[i].maxSPF&&b[j].num>0)
{
ans++;
b[j].num--;
break;
}
}
}
cout<<ans<<endl;
}
ps:贪心算法没有什么固定的技巧和套路,主要是对思维灵敏度的考验,需要多刷题,多学习数学知识,有部分题目涉及到数学思维。多练!多练!多练!