贪心算法模型总结
调度安排问题
应用贪心算法最多的就是顺序安排问题,也是最难的一类问题,问题形式变化多样。
其一之
任务开始结束时间固定,同一时间只能做一个,最多能做几个?
此问题的贪心策略是按照任务的结束时间从小到大排序,因为先做完把时间让给后面,后面的任务就有可能做完。
以下问题不做说明均为同一时间只能做一个。
其二之
每个任务必须做,开始结束时间不固定,但是每个任务所花费的时间固定,并且设每个任务的截止时间为 d d d,设这个任务的完成时间为 x x x,那么我们这个任务的奖励为 d − x d-x d−x,问总计奖励的最大值。
此类问题我们也称为排序问题,因为每个任务必须做,并且存在先后顺序,则必然存在一个全序集合。
我们考虑当前的时间为 i i i,任务 A A A的持续时间为 T A T_A TA,截止时间是 D A D_A DA;任务 B B B的持续时间为 T B T_B TB,截止时间是 D B D_B DB。
那么把 A A A放在前面更优的条件为:
D A − ( i + T A ) + D B − ( i + T A + T B ) > D B − ( i + T B ) + D A − ( i + T A + T B ) D_A - (i + T_A) + D_B - (i + T_A + T_B) > D_B - (i + T_B) + D_A - (i + T_A + T_B) \\ DA−(i+TA)+DB−(i+TA+TB)>DB−(i+TB)+DA−(i+TA+TB)
即 T A < T B T_A < T_B TA<TB,那么我们定义排序规则,将花费时间少的排在前面,这样得到的顺序就是最优顺序。
其三之
在一段数轴上有一些连续的任务点,有 m m m个作业任务,每一个作业任务都能覆盖一段连续的任务点(区间 [ l i , r i ] [l_i,r_i] [li,ri]),问选出最小的作业任务数量,能够覆盖所有的任务点。
考虑贪心,设立一个当前最远指针 r r r,每次遍历所有的作业任务,选出能把 r r r扩展到最远的任务即可。
其四之
每个任务都有花费时间,和截止时间,如果在截止时间之内没有完成那么奖励为 0 0 0,否则奖励为 1 1 1,每个任务可做可不做。
此类问题也称为反悔贪心,因为每个任务可做可不做,找不到一个排序规则使得最优。因此我们考虑直觉贪心 ,即应该让快到截止时间的任务先做,那么我们先按照截止时间从大到小排序,依次考虑每个任务,如果这个任务发现无法在截止时间内完成,那么我们在已经做完的任务中寻找最大的花费时间那个,如果当前任务的花费时间小于最大的花费时间那个任务,那么我们放弃最大的花费时间那个任务,转手做当前任务。这样虽然不会增加贡献,但是会减少总时间让给后面的任务。
#include <bits/stdc++.h>
using namespace std;
#define FR freopen("in.txt", "r", stdin)
#define FW freopen("out.txt", "w", stdout)
typedef long long ll;
struct KK
{
ll ti;
ll d;
bool operator<(const KK &o) const
{
return d < o.d;
}
} gs[150005];
int main()
{
int n;
scanf("%d", &n);
priority_queue<ll> pq;
for (int i = 0; i < n; i++)
{
scanf("%lld %lld", &gs[i].ti, &gs[i].d);
}
sort(gs, gs + n);
ll T = 0;
int ans = 0;
for (int i = 0; i < n; i++)
{
if (T + gs[i].ti > gs[i].d)
{
if (gs[i].ti < pq.top())
{
T -= pq.top();
pq.pop();
T += gs[i].ti;
pq.push(gs[i].ti);
}
}
else
{
T += gs[i].ti;
ans++;
pq.push(gs[i].ti);
}
}
printf("%d", ans);
return 0;
}
其五之
有一段从 1 1 1到 n n n的一段连续的时间点其都是整数任给一些任务,每个任务必须安放在 [ l i , r i ] [l_i,r_i] [li,ri]区域内的任意一个时间点,询问是否存在一种方案,能够满足要求。
我们根据扫描线思想,按照每个任务从左到右的顺序放置即可。
#include <bits/stdc++.h>
#define FR freopen("in.txt", "r", stdin)
#define FW freopen("out.txt", "w", stdout)
using namespace std;
int pos[4][2] = {{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
typedef long long ll;
const ll mod = 1e9 + 7;
void solve()
{
int n;
cin >> n;
map<int, vector<int>> mp;
set<int> ls;
for (int i = 1; i <= n; i++)
{
int l, r;
cin >> l >> r;
mp[l].push_back(r);
ls.insert(l);
}
priority_queue<int, vector<int>, greater<int>> pq;
int i = *ls.begin();
bool ok = true;
while (i <= 1000000000)
{
for (int k : mp[i])
pq.push(k);
pq.pop();
if (pq.empty())
{
auto it = ls.upper_bound(i);
if (it == ls.end())
{
break;
}
else
{
i = *it;
}
}
else
{
if (pq.top() <= i)
{
ok = false;
break;
}
i++;
}
}
if (pq.empty() && ok)
{
cout << "Yes" << endl;
}
else
{
cout << "No" << endl;
}
}
int main()
{
int T;
cin >> T;
while (T--)
{
solve();
}
return 0;
}
其六之
给定一些任务,每一个任务代表一个区间 [ l i , r i ] [l_i,r_i] [li,ri],求出最小数量的点,使得每个任务区间都能包含至少一个点。
此问题也称区间最小点覆盖问题,我们先对区间进行结束排序,即按 r r r从小到大排序,依次遍历区间,如果发现区间没有被覆盖,那么这个区间必定包含一个点,根据贪心的思想,这个点应该越靠后越好,因为能够覆盖后面的区间,因此我们按照区间的最右点即 r r r端点处放置,同时维护一个最大右边界 R R R,如果当前区间包含 R R R,说明当前区间已经被覆盖,可以跳过。
int r = 0;
int ans = 0;
for (int i = 1; i <= tot; i++)
{
if (segs[i].l <= r)
{
continue;
}
r = segs[i].r;
ans++;
}
其七之
给定能覆盖 [ 1 , n ] [1,n] [1,n]的一些线段,先让 [ 1 , n ] [1,n] [1,n]的 n n n个点都属于任意一个线段,线段必须包含这个点,并且每个线段只能包含一个点。求出是否存在可能的方案。
首先我们将线段按照 l l l从小到大排序,然后设当前处理的点为 k k k,那么将所有 l l l小于等于 k k k的线段放入一个优先队列中,然后再在这个优先队列中选出 r r r最小的线段即可,如果存在不满足的线段,需要弹出。
配对问题
配对问题的关键字为一个节点和一个节点进行匹配,类似于二分图的匹配,问如何达到最大匹配问题。
首先该问题具有决策单调性和二段性,如果 k k k能完成要求,那么 k − 1 k-1 k−1一定也能完成要求,并且 k − 1 k-1 k−1一定不是最优策略。我们考虑最弱的 k k k个任务如何匹配最强的 k k k个人。考虑最弱的 k k k个任务中的第 i i i强的任务,如果当前未匹配的工人列表中有能完成这件任务的工人,我们一定选最弱的那个工人,因为我们想最大化利用工人,如果选强的工人,那么多出的那部分力量就会浪费,其次如果有能吃药完成的工人,我们选择吃药能完成或者不吃药能完成都是一样的,因为不吃药能完成一定能完成吃药能完成的匹配任务,因此不影响答案。最后,如果列表中没有不吃药能完成的工人,那么我们就必须选择吃药,我们想让药力最大化不浪费,我们选择列表中第一个大于等于 t a s k s [ i ] − s t r e n g t h tasks[i] - strength tasks[i]−strength的工人即可。但如果此时没药了或者吃药也完成不了该任务,那么就无法完成 k k k个任务。
外层套二分即可。
class Solution
{
public:
int maxTaskAssign(vector<int> &tasks, vector<int> &workers, int pills, int strength)
{
int n = tasks.size();
int m = workers.size();
sort(tasks.begin(), tasks.end());
sort(workers.begin(), workers.end());
auto check = [&](int k)
{
multiset<int> st(workers.rbegin(), workers.rbegin() + k);
int res = pills;
for (int i = k - 1; i >= 0; i--)
{
auto it = st.lower_bound(tasks[i]);
if (it != st.end())
{
st.erase(it);
continue;
}
if (res == 0)
return false;
auto it = st.lower_bound(tasks[i] - strength);
if (it != st.end())
{
st.erase(it);
res--;
continue;
}
return false;
}
return true;
};
int x = 0;
int lim = min(n, m);
for (int b = lim; b; b >>= 1)
{
while (x + b <= lim && check(x + b))
x += b;
}
return x;
}
};
另外,我们也可以使用单调队列来优化二分的过程,减少一个 log \log log的调用。
考虑第 i i i个弱的工人,那么将小于等于 w o r k e r s [ i ] + s t r e n g t h workers[i] + strength workers[i]+strength的任务放进一个双端队列中,如果工人能够不吃药就能做队首任务,那么他一定做队首任务,否则吃药做队尾任务,再否则就完成不了 k k k个任务。
class Solution
{
public:
int maxTaskAssign(vector<int> &tasks, vector<int> &workers, int pills, int strength)
{
int n = tasks.size();
int m = workers.size();
sort(tasks.begin(), tasks.end());
sort(workers.begin(), workers.end());
auto check = [&](int k)
{
deque<int> que;
int res = pills;
int ptr = 0;
for (int i = m - k; i < m; i++)
{
while (ptr < k && tasks[ptr] <= workers[i] + strength)
{
que.push_back(tasks[ptr]);
ptr++;
}
if (que.empty())
return false;
if (workers[i] >= que.front())
{
que.pop_front();
}
else if (res)
{
que.pop_back();
res--;
}
else
return false;
}
return true;
};
int x = 0;
int lim = min(n, m);
for (int b = lim; b; b >>= 1)
{
while (x + b <= lim && check(x + b))
x += b;
}
return x;
}
};