活动选择问题使用‘贪心’思想来解决是非常简单的,这里详细说一说该问题的贪心过程。
活动时间表:
i | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
si | 1 | 3 | 0 | 5 | 3 | 5 | 6 | 8 | 8 | 2 | 12 | 17 |
fi | 4 | 5 | 6 | 7 | 9 | 9 | 10 | 11 | 12 | 14 | 16 | 21 |
对于活动选择问题,我们发现它有一个符合直觉的地方,找到一个最早结束的班级能兼容更多的其他班级使得集合最大。于是,剩下的问题是:假如每个班级活动的结束时间是按由小到大排列好的(如果无序,可以先进行排序),我们做出一次贪心选择,选择了第一个提前结束的班级,而后将满足f[i] > s[j](其中数组s表示所有班级活动的开始时间,数组f表示所有班级活动的结束时间)的班级加入到集合中,这样得到的结果是否是最优解?书中给出了肯定(以及证明):对于该问题,运用贪心算法可得到最优解。
既然可以用贪心算法得到正确答案,那么,我们就根据前面的描述用代码实现这个算法:
#include "stdafx.h"
#include <iostream>
#include <vector>
#include <minmax.h>
class GA {
public:
std::vector<int> ActivitySelection(std::vector<int> & s, std::vector<int> & f)
{
std::vector<int> res(1, 1);
int j = 0;
for (int i = 1; i < s.size(); i++)
{
if (s[i] >= f[j])
{
res.push_back(i + 1);
j = i;
}
}
return res;
}
};
int main()
{
std::vector<int> s{ 1,3,0,5,3,5,6,8,8,2,12,17 };
std::vector<int> f{ 4,5,6,7,9,9,10,11,12,14,16,21 };
std::vector<int> res = GA().ActivitySelection(s, f);
for (auto r : res)
std::cout << r << ' ';
getchar();
return 0;
}
返回的结果是下标。
迭代算法看起来很简单,时间复杂度O(n),比较dp方案,编写简单,运行快。
这里我们做出的贪心选择是活动结束时间最早的,实际上,我们选择活动最晚开始的也是可行的:
#include "stdafx.h"
#include <iostream>
#include <vector>
#include <minmax.h>
class GA {
public:
std::vector<int> ActivitySelection(std::vector<int> & s, std::vector<int> & f)
{
std::vector<int> res(1, s.size());
int j = s.size() - 1;
for (int i = s.size() - 2; i >= 0; i--)
{
if (f[i] <= s[j])
{
res.push_back(i + 1);
j = i;
}
}
return res;
}
};
int main()
{
std::vector<int> s{ 1,3,0,5,3,5,6,8,8,2,12 };
std::vector<int> f{ 4,5,6,7,9,9,10,11,12,14,16 };
std::vector<int> res = GA().ActivitySelection(s, f);
for (auto r : res)
std::cout << r << ' ';
getchar();
return 0;
}