1. 贪心算法
对于许多最优化问题,使用动态规划算法来求最优解有些杀鸡用牛刀了,可以使用更加简单、更加高效的算法。贪心算法就是这样的算法,它在每一步做出当时看起来最佳的选择。也就是说它总是做出局部最优的选择,从而得到全局最优解。对于某些问题并不保证得到最0优解,但对很多问题确实可以求得最优解。
2.活动选择问题
有n个需要在同一天使用同一个教室的活动a1,a2,…,an,教室同一时刻只能由一个活动使用。每个活动ai都有一个开始时间si和结束时间fi。一旦被选择后,活动ai就占据半开时间区间[si,fi)。如果[si,fi]和[sj,fj]互不重叠,ai和aj两个活动就可以被安排在这一天。该问题就是要安排这些活动使得尽量多的活动能不冲突的举行(最大兼容活动子集)。例如下图所示的活动集合S,其中各项活动按照结束时间单调递增排序。{a3,a9,a11}是一个兼容的活动子集,但它不是最大子集,因为子集{a1,a4,a8,a11}更大,实际上它是我们这个问题的最大兼容子集,但它不是唯一的一个{a2,a4,a9,a11}
2.1动态规划算法解决思路
我们使用Sij代表在活动ai结束之后,且在aj开始之前的那些活动的集合,我们使用c[i,j]代表Sij的最大兼容活动子集的大小,对于上述问题就是求c[0,12]的解a, 当 i >=j-1 或者 S ij 中没有任何活动元素的时候, c[ i,j ]=0
b ,当 i <j-1
1 , S ij 不存在活动 ,c[ i,j ]=0
2 , S ij 存在活动的时候, c[ i,j ]=max{c[ i,k ]+c[ k,j ]+1} a k 属于 S ij , 这里是遍历 S ij 的集合,然后求得最大兼容子集
2.2贪心算法
想要使用贪心算法的话,得先找到适合贪心算法的规律(局部最优选择)对于任何非空的活动集合 S ,假如 a m 是 S 中结束时间最早的活动,则 a m 一定在 S 的某个最大兼容活动子集中。
(如何证明上面的结论?反证法)
递归解决
迭代解决
3.代码实现
3.1 活动选择问题_动态规划_自底向上
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
namespace _513_活动选择问题_动态规划_自底向上
{
class Program
{
static void Main(string[] args)
{
int[] s = { 0, 1, 3, 0, 5, 3, 5, 6, 8, 8, 2, 12, 24 };
int[] f = { 0, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 24 };
List<int>[,] result = new List<int>[13, 13];
for(int m=0;m<13;m++)
{
for(int n=0;n<13;n++)
{
result[m, n] = new List<int>();
}
}
for(int j=0;j<13;j++)
{
for(int i=0;i<j-1;i++)
{
//s[i,j],代表i结束之后,j开始之前的活动集合
//f[i] s[j]这个时间区间内的所有活动
List<int> sij = new List<int>();
for(int number=1;number<s.Length-1;number++)
{
if(s[number]>=f[i]&&f[number]<=s[j])
{
sij.Add(number);
}
}
if(sij.Count>0)
{
//result[i,j]=max{result[i,k]+result[k,j]+k}
int maxCount = 0;
List<int> tempList = new List<int>();
foreach(int number in sij)
{
int count = result[i, number].Count + result[number, j].Count+1;
if(maxCount<count)
{
maxCount = count;
tempList = result[i, number].Union<int>(result[number, j]).ToList<int>();
tempList.Add(number);
}
}
result[i, j] = tempList;
}
}
}
List<int> l = result[0, 12];
foreach(int temp in l)
{
Console.WriteLine(temp);
}
Console.ReadKey();
}
}
}
3.2 活动选择问题_贪心算法_递归解决
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
namespace _514_活动选择问题_贪心算法_递归解决
{
class Program
{
static void Main(string[] args)
{
List<int> list = ActivitySelection(1, 11, 0, 24);
foreach(int temp in list)
{
Console.WriteLine( temp);
}
Console.ReadKey();
}
static int[] s = { 0, 1, 3, 0, 5, 3, 5, 6, 8, 8, 2, 12, 24 };
static int[] f = { 0, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 24 };
public static List<int> ActivitySelection(int startActivityNumber,int endActivityNumber,int startTime,int endTime)
{
if(startActivityNumber>endActivityNumber||startTime>endTime)//递归终止条件
{
return new List<int>();
}
//找到结束时间最早的活动
int tempNumber=0;
for(int number=startActivityNumber;number<=endActivityNumber;number++)
{
if(s[number]>=startTime&&f[number]<=endTime)
{
tempNumber = number;
break;
}
}
List<int> list = ActivitySelection(tempNumber + 1, endActivityNumber, f[tempNumber], endTime);
list.Add(tempNumber);
return list;
}
}
}
3.3 活动选择问题_贪心算法_迭代解决
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
namespace _515_活动选择问题_贪心算法_迭代解决
{
class Program
{
static void Main(string[] args)
{
int[] s = { 0, 1, 3, 0, 5, 3, 5, 6, 8, 8, 2, 12, 24 };
int[] f = { 0, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 24 };
int startTime = 0;
int endTime = 24;
List<int> list = new List<int>();
for(int number=1;number<=11;number++)
{
if(s[number]>=startTime&&f[number]<=endTime)
{
list.Add(number);
startTime = f[number];
}
}
foreach(int temp in list)
{
Console.WriteLine(temp);
}
Console.ReadKey();
}
}
}
4. 钱币找零
这个问题在我们的日常生活中就更加普遍了。假设1元、2元、5元、10元、20元、50元、100元的纸币分别有c0,c1, c2, c3, c4, c5, c6张。现在要用这些钱来支付K元,至少要用多少张纸币?用贪心算法的思想,很显然,每一步尽可能用面值大的纸币即可。intCount[N]={3,0,2,1,0,3,5};
intValue[N]={1,2,5,10,20,50,100};
4.1 钱币找零_贪心算法
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
namespace _516_钱币找零_贪心算法
{
class Program
{
static void Main(string[] args)
{
int[] count = { 3, 0, 2, 1, 0, 3, 5 };//每种面额钱币的张数
int[] amount = { 1, 2, 5, 10, 20, 50, 100 };//拥有的钱币面额
int[] result = Change(320, count, amount);
foreach(int temp in result)
{
Console.Write(temp+" ");
}
Console.ReadKey();
}
/// <summary>
/// 钱币找零
/// </summary>
/// <param name="k">需要找零的总金额</param>
/// <param name="count"></param>
/// <param name="amount"></param>
/// <returns></returns>
public static int[] Change(int k,int[] count,int[] amount)
{
int index = amount.Length - 1;//得到最大面值的钱币索引
int[] result = new int[count.Length + 1];//保存每种面额的钱换出了多少张,最后一位保存为换的金额
while(true)
{
if (index == -1 || k <= 0) break;//当index==-1(所有的钱都被换完了)或者已经将k换完了,循环结束
if (k > count[index]*amount[index])//将所有的100拿出来都不够换时
{
result[index] = count[index];
k -= count[index] * amount[index];
}
else
{
result[index]= k / amount[index];
k -= result[index] * amount[index];
}
index--;
}
result[amount.Length] = k;
return result;
}
}
}