数据结构与算法【Python实现】（八）贪婪算法

一、贪心算法

贪心算法，又称贪婪算法。是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解

贪心算法并不保证会得到最优解，但是在某些问题上，贪心算法的解就是最优解。要会判断一个问题能否用贪心算法来计算。

eg1：找零问题

假设商店老板需要找零n元钱，钱币面额有：100元、50元、20元、5元、1元，如何诏令使得所需钱币张数最少？

t = [100, 50, 20, 5, 1]

def change(t,n):
    m = [0 for _ in range(len(t))]
    for i, money in enumerate(t):
        m[i] = n // money
        n = n % money  #剩下的钱
    return m, n

print(change(t,376))

eg2：背包问题

一个小偷在某个商店发现有n个商品，第i个商品价值vi元，重wi千克，他希望拿走的价值尽量高，但他的背包最多只能容纳w千克的东西，他应该拿走哪些商品？

0-1背包：对于一个商品，小偷要么把他完整拿走，要么留下，不能只拿走一部分，或把一个商品拿走多次

分数背包：对于一个商品，小偷可以拿走任意一部分

如：商品一：v1=60，w1=10

商品二：v2=100，w2=20

商品三：v3=120，w3=30

背包容量 W=50

对于0-1背包和分数背包，贪心算法是否都能得到最优解？

0-1背包不能使用贪心算法，分数背包可以。

goods = [(60,10), (100,20), (120,30)]  #每个商品的价值和重量
goods.sort(key=lambda x:x[0]/x[1],reverse=True)

def fractional_backpack(goods, w):
    m = [0 for _ in range(len(goods))]  #拿了多少东西
    total_value = 0
    for i,(prize,weight) in enumerate(goods):
        if w >= weight:
            m[i] = 1
            w -= weight
            total_value += prize
        else:
            m[i] = (w/weight)
            w = 0
            total_value += prize * m[i]
            break
    return m,total_value

print(fractional_backpack(goods,50))

eg3：拼接最大数字问题

有n个非负整数，将其按照字符串拼接的方式拼接为一个整数，如何拼接可以使得得到的整数最大？

例如，32，94，128，1286，6，71，可以拼接为的最大整数为94716321286128

from functools import cmp_to_key

li = [32, 94, 128, 1286, 6, 71]

def xy_cmp(x, y):
    if x+y < y+x:
        return 1
    elif x+y > y+x:
        return -1
    else:
        return 0

def number_join(li):
    li = list(map(str,li))
    li.sort(key=cmp_to_key(xy_cmp))
    return "".join(li)

print(number_join(li))

eg4：活动选择问题

假设有n个活动，这些活动要占用同一片场地，而场地在某时刻只能供一个活动使用。每个活动都有一个开始时间si和结束时间fi（题目中时间以整数表示），表示活动在[si,fi)区间占用场地。

问安排哪些活动能够使该场地举办的活动个数最多？

 贪心结论：最先结束的活动一定是最优解的一部分

证明：假设a是所有活动中最先结束的活动，b是最优解中最先结束的活动

        如果a=b 则结论成立

        如果a！=b，则b的结束时间一定晚于a的结束时间，则此时用a替换掉最优解中的b，a一定不与最优解中的其他活动时间重叠，因此替换后的解也是最优解

activities = [(1,4),(3,5),(0,6),(5,7),(3,9),(5,9),(6,10),(8,11),(8,12),(2,14),(12,16)]
#保证活动按照结束时间排好序
activities.sort(key=lambda x:x[1])

def activity_seletion(a):
    res = [a[0]]  #a[0]是最早结束的 一定在里面
    #往后依次看结束时间早的活动和前一个是否冲突
    for i in range(1,len(a)):
        if a[i][0] >= res[-1][1]:
        #如果下一个活动的开始时间>res最后一个活动的结束时间 就不冲突
            res.append(a[i])
    return res

print(activity_seletion(activities))