经典算法 - 贪心算法及集合覆盖问题

贪心算法

贪心算法:在对问题求解时,总是做出在当前看来是最好的选择
由局部到整体,算法得到的是在某种意义上的局部最优解,对整体是近似最优解

贪心算法一般按如下步骤进行:

  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,得到子问题的局部最优解
  4. 把子问题的解局部最优解合成原来解问题的一个解(近似于最优解,也可能是最优解)

贪心算法特点是一步一步地进行,以当前情况为基础根据作当前的最优选择,通过每一步贪心选择,可得到问题的一个最优解


集合覆盖问题

一个广播覆盖问题:

存在以下广播,每个广播可以覆盖一些地区,如何选择最少的广播覆盖全部地区

广播覆盖地区
k1北京、天津、上海
k2广州、北京、深圳
k3成都、上海、杭州
k4上海、天津
k5杭州、大连

解题思路

解题思路:

  1. 遍历所有的电台,找到覆盖了最多未覆盖地区的电台
  2. 将该电台放入结果集合,将该电台覆盖的地区从总地区中去除
  3. 重复1,2步直到总地区为空,结果集合就是我们需要的广播序列

解决步骤:

  1. 设置好allAreas存放所有地区,结果集合select
  2. 遍历所有电台找到覆盖了最多未覆盖地区的电台,第一次找是找到了k1,将k1放入select,allAreas去除k1包含的地区,去除k1

在这里插入图片描述

  1. 第2次遍历,找到覆盖了最多未覆盖地区的电台是k2,将k2放入select,allAreas去除k2包含的地区,去除k2

在这里插入图片描述

  1. 第3次遍历,找到覆盖了最多未覆盖地区的电台是k3,将k3放入select,allAreas去除k3包含的地区,去除k3

在这里插入图片描述

  1. 第4次遍历,找到覆盖了最多未覆盖地区的电台是k5,将k5放入select,allAreas去除k5包含的地区,去除k5,这个时候allAreas为空,即完全覆盖了所有地区,结束

在这里插入图片描述

贪心算法: 在这个问题中,贪心在与第一步,找到覆盖了最多未覆盖地区的电台,即当前情况的最优解


Java代码实现

package com.company.十种算法.greedy;

import java.util.*;

/**
 * Author : zfk
 * Data : 9:43
 * 贪心算法 -> 集合覆盖问题
 */
public class GreedyAlgorithm {
    public static void main(String[] args) {
        //电台集合
        HashMap<String, HashSet<String>> broadCasts = new HashMap<>();
        //allAreas存放所有的地区
        HashSet<String> allAreas = new HashSet<>();

        //添加地区数据
        add(broadCasts);

        //遍历hashmap,找出所有地区放入allarea
        Iterator<Map.Entry<String, HashSet<String>>> iterator = broadCasts.entrySet().iterator();

        while (iterator.hasNext()){
            Map.Entry<String, HashSet<String>> next = iterator.next();
            HashSet<String> val = next.getValue();

            val.stream().forEach(a -> allAreas.add(a));
        }

        allAreas.stream().forEach(a -> System.out.print(a + " "));


        //贪心算法,找到近似最优解
        greedyAlgorithm(allAreas,broadCasts);


    }

    //添加地区数据
    public static void add(HashMap<String, HashSet<String>> broadCasts){
        //将各个电台放入
        HashSet<String> hashSet1 = new HashSet<>();
        hashSet1.add("北京");
        hashSet1.add("天津");
        hashSet1.add("上海");
        broadCasts.put("k1",hashSet1);

        HashSet<String> hashSet2 = new HashSet<>();
        hashSet2.add("广州");
        hashSet2.add("北京");
        hashSet2.add("深圳");
        broadCasts.put("k2",hashSet2);

        HashSet<String> hashSet3 = new HashSet<>();
        hashSet3.add("成都");
        hashSet3.add("上海");
        hashSet3.add("杭州");
        broadCasts.put("k3",hashSet3);

        HashSet<String> hashSet4 = new HashSet<>();
        hashSet4.add("上海");
        hashSet4.add("天津");
        broadCasts.put("k4",hashSet4);

        HashSet<String> hashSet5 = new HashSet<>();
        hashSet5.add("杭州");
        hashSet5.add("大连");
        broadCasts.put("k5",hashSet5);
    }

   /**
     * 贪心算法
     * @param allAreas 所有地区集合
     * @param broadCasts 电台与电台所覆盖的地区集合
     */
    public static void greedyAlgorithm(HashSet<String> allAreas,HashMap<String, HashSet<String>> broadCasts){
        //存放选择的电台集合
        ArrayList<String> select = new ArrayList<>();

        //定义一个临时集合,存放遍历过程中电台覆盖的地区和当前没有覆盖地区的交集
        HashSet<String> tempSet = new HashSet<>();

        //maxKey,保存一次遍历过程中,能够覆盖最大地区的对应的电台
        //maxKey != null,加入select
        String maxKey = null;

        while (allAreas.size() != 0){//allAreas不为0表示还没覆盖完全
            //遍历broadcasts,取出对应的key
            for (String key : broadCasts.keySet()){

                //每进行一次循环,需要清空tempSet
                tempSet.clear();

                //当前key能覆盖的地区
                HashSet<String> areas = broadCasts.get(key);
                tempSet.addAll(areas);
                //求出tempSet与allAreas的交集
                tempSet.retainAll(allAreas);

                //如果当前集合包含未覆盖地区的数量,比maxkey指向的集合地区还多
                //就需要重置maxkey
                if (tempSet.size() > 0 &&
                        (maxKey == null || tempSet.size() > broadCasts.get(maxKey).size())){
                    maxKey = key;
                }
            }

            //maxKey != null,加入select
            if (maxKey != null){
                select.add(maxKey);
                //将maxKey指向的电台覆盖的地区从allAreas中去除,把maxKey指向的电台去除
                allAreas.removeAll(broadCasts.get(maxKey));
                broadCasts.remove(maxKey);
                //maxKey置空
                maxKey = null;
            }

        }

        System.out.println();
        //当while循环结束,得到选择结果
        System.out.println("选择结果:"+select);
    }


}

结果:

在这里插入图片描述

  • 4
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值