算法-贪心

贪心算法
1
信息学竞赛课堂
贪心算法
2
贪心法
实际生活中，经常需要求一些问题的“可行解”和“最优解”，这就是所谓
的“最优化”问题。
一般来说，每个最优化问题都包含一组“限制条件”和一个“目标函数”，
符合限制条件的问题求解方案称为可行解，使目标函数取得最佳值（最大或最小）
的可行解称为最优解。
求解最优化问题的算法很多，例如穷举、搜索、动态规划等。贪心法也是求
解这类问题的一种常用方法。
信息学竞赛课堂
贪心算法
3
1. 贪心法的基本思想
贪心法是从问题的某个初始解出发，采用逐步构造最优解的方法，向给定的
目标前进。在每一个局部阶段，都做一个“看上去”最优的决策，并期望通过每
一次所做的局部最优选择产生出一个全局最优解。做出贪心决策的依据称为“贪
心策略”。要注意的是，贪心策略一旦做出，就不可再更改。
与递推不同的是，贪心严格意义上说只是一种策略或方法，而不是算法。推
进的每一步不是依据某一个固定的递推式，而是做一个“当时看似最佳”的贪心
选择（操作），不断将问题归纳为更小的相似子问题。所以，归纳、分析、选择
正确合适的贪心策略，是解决贪心问题的关键。
信息学竞赛课堂
贪心算法
4
贪心算法在对问题求解时，总是做出在当前看来最好的选择。也就是说，不从整体最优解
出发来考虑，它所做出的仅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，但对范围相当广泛的许多问题都能产生整体最优解或整体最优解的近似
解。
贪心算法的基本思路如下：
1.建立数学模型来描述问题。
2.把求解的问题分成若干个子问题。
3.对每个子问题求解，得到每个子问题的局部最优解。
4.把每个子问题的局部最优解合成为原来问题的一个解。
实现该算法的过程：
从问题的某一初始状态出发；
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；
信息学竞赛课堂
贪心算法
5
问题描述：
给定n种物品和一个背包。物品i的重量是Wi，其价值为Vi，背包的容量为C 应如
何选择装入背包的物品 使得装入背包中物品的总价值最大? 这里，在选择物品i装
入背包时，可以选择物品i的一部分，而不一定要全部装入背包，不能重复装载。
小数背包问题
信息学竞赛课堂
贪心算法
6
现在有三种贪心策略：
1)按照价值最大贪心，是目标函数增长最快的，但是背包容量却可能消耗的太快，使得装
入背包的物品个数减少，从而不能保证目标函数达到最大值。
2)按照重量最小贪心，使得背包增长最慢，很显然，重量和价值没有关系，这也无法保证
目标函数达到最大值。
3)按照价值率（价值除以质量），使得单位重量价值增长最快。保证了价值和重量，是最
优解。
信息学竞赛课堂
贪心算法
7
假定n=3, C=20, v=(25, 24, 15), w= (18, 15, 10)，列举4个可行解：
也就是说，如果我们按照价值最大贪心，得到的解就是2；如果按照重量最小贪心，得
到解则是3，而最优解是4；
x1 x2 x3 Σwixi Σvixi
1 1/2 1/3 1/4 16.50 24.50 
2 1 2/15 0 20.00 28.20 
3 0 2/3 1 20.00 31.00 
4 0 1 1/2 20.00 31.50 
信息学竞赛课堂
贪心算法
8
问题描述：
有一个箱子容量为 V，同时有 n 个物品，每个物品有一个体积。
现在从 n 个物品中，任取若干个装入箱内（也可以不取），使箱子的剩余空间最
小。输出这个最小值。
输入格式：
第一行共一个整数 V，表示箱子容量。
第二行共一个整数 n，表示物品总数。
接下来 n 行，每行有一个正整数，表示第 i 个物品的体积。
输出格式：
共一行一个整数，表示箱子最小剩余空间。
说明/提示：
对于 100% 数据，满足 0<n≤30，1≤V≤20000。
装箱问题
输入样例：
24
6
8
3
12
7
9
7
输出样例：
0
#include<iostream>
using namespace std;
int n,m,f[20005],w[35];
int main(){ 
cin>>m>>n;
for(int i=1;i<=n;i++) cin>>w[i]; 
for(int i=1;i<=n;i++){
for(int j=m;j>=w[i];j--){ 
if(f[j]<f[j-w[i]]+w[i]){