[Algorithm] NPC问题 --- 集合覆盖问题

声明☕️

此内容是Grokking-algorithms这本书的学习笔记。

问题背景 🎆

找出能够覆盖全国各个地方的机构的最小集合。

问题分析 🤔

很容易获得此类问题的时间复杂度是O(2^n)，也就是说随着机构n的数量的增加，需要的时间猛增。所以需要使用近似算法。

近似算法 - 贪婪算法 🧮

每次选择价值最高的方式，使每一步获得局部最优解，最后得到的就是全局最优解。
此问题中，使用贪婪算法的时间复杂度是O(n^2)。
在这一个具体问题中，选出一个机构，此机构覆盖了最多的未覆盖的地方。且即使覆盖了一些已经覆盖的地方也无所谓。

if __name__ == "__main__":


    states_needed = {"mt", "wa", "or", "id", "nv", "ut", "ca", "az"}  #要覆盖的洲

    stations = {"kone": {"id", "nv", "ut"}, "ktwo": {"wa", "id", "mt"}, "kthree": {"or", "nv", "ca"},
                "kfour": {"nv", "ut"}, "kfive": {"ca", "az"}}  # 可供选择的广播清单

    final_stations = set() # 最终选择的广播台

    while states_needed:
        best_station = None # 覆盖了最多的未覆盖洲的广播台
        states_covered = set() # 前一个时间步覆盖的states集合; 该广播台覆盖的所有尚未覆盖的洲

        for station, states_for_station in stations.items():
            covered = states_needed & states_for_station
            if len(covered) > len(states_covered):
                best_station = station
                states_covered = covered

        states_needed -= states_covered
        final_stations.add(best_station)

    print(final_stations)