python实现贪心算法

贪心算法

在对问题求解时，总是作出在当前看来是最好的选择。也就是说，不从整体上加以考虑，它所作出的仅仅是在某种意义上的局部最优解（是否是全局最优，需要证明）。

最优装载问题

问题： 有一天海盗们截获了一艘装满各种各样古董的货船，每一件都价值连城，一旦打碎就是去了价值，海盗船载重量为C，每件固定的重量为wi，海盗们该如何尽可能装载最多数量的古董呢？

解决思路：

古董的种量清单：

1. 船载重量固定为C，只要每次选择重量最小的古董，直到不能再装为止，这样装载的古董数量最大， 这就是贪心策略；
2. 把古董按重量从小到大排序，根据策略选出尽可能多的古董。

# 定义每个古董的重量
antique = [4, 10, 7, 11, 3, 5, 14, 2]

def max_ans(antique):
    # 对重量进行排序
    anti_sort = sorted(antique)
    # ans记录装载古董数量， tmp记录装载古董重量
    ans, tmp = 0, 0
    # 记录装载的古董
    ship = []
    for anti in anti_sort:
        tmp += anti
        if tmp < 30:
            ans += 1
            ship.append(anti)
    print('装载古董的数量：', ans)
    print('装载的古董：', ship)

max_ans(antique)

背包问题

问题描述：
假设山洞中有n种宝物，每种宝物有一定重量w和相应的价值v，毛驴运载能力一种宝物只能拿一样，宝物可分割。怎样才能使毛驴运走宝物的价值最大呢？

问题分析：

可以尝试三种贪心策略：

1. 每次挑选价值最大的装东西入背包；
2. 每次挑选最重的东西；
3. 每次选取单位重量价值最大的东西。

算法设计：

1. 计算出每件宝物的性价比，按照从高到低排序；
2. 根据贪心策略，按性价比从大到小选取宝物，直到达到毛驴的运载能力。每次选择宝物后判断是否小于m，如果不小于则取走宝物的一部分，程序结束。

# datas中的每个元素代表一个古董，每一个列表第一个元素代表古董重量，第二个元素代表古董的价值
datas = [[4, 3], [2, 8], [9, 18], [5, 6], [5, 8], [8, 20], [5, 5], [4, 6], [5, 7], [5, 15]]
m = 30  # 毛驴运载能力
w = 0 # 获取的总价值
# 计算每件宝物的性价比，从高到底进行排序
for i in range(len(datas)):
    price = datas[i][1] / datas[i][0]
    # 列表中添加性价比元素
    datas[i].append(price)
datas.sort(key=lambda data: data[2], reverse=True) # 从高到低

# 按照性价比从小到大进行选取宝物，直到达到毛驴的运载能力
for data in datas:
    if data[0] < m:
        w += data[1]
        m -= data[0]
    else:
        w += data[2] * m
        break

print('总价值：', w)

深入思考：
想一下如果宝物不可分割，贪心算法得到的是否是最优解？

注意: 物品可分割的装载问题称为背包问题，不可分割问题的装载问题称为0-1背包问题。0-1背包问题不具有贪心选择性质，贪心算法不能得到全局最优解，仅仅是最优解的近似解。0-1背包问题可用动态规划算法求解。