五大常用算法之贪心算法

五大常用算法之贪心算法

贪心算法（贪婪算法）指的是：在对问题求解过程中，总是做出在当前看来是最好的选择。不从整体最优上加以考虑，所做出的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，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。

贪心选择

        贪心选择是指所求问题整天最优解可以通过一系列局部最优的选择，即通过贪心算法可行的第一个基本要素。也是贪心算法与动态规划算法的主要区别。贪心选择是采用自顶向下（将大型的数字电路设计分割成大小不一的小模块来实现特定的功能，最后通过由顶层模块调用子模块来实现整体功能）、以迭代（迭代函数是重复的与自身复合的函数）的方法做出相继选择，每做一步贪心选择就将所求问题简化为一个更下的子问题。对于具体问题，要明确它是否具有贪心选择的性质，必须能够证明每一步所作的贪心选择最终能够得到问题的最优解。通常可以首先证明一个整体最优解，从贪心选择开始，而且作了贪心选择后，原问题简化一个规模更小的类似子问题，然后再用数学归纳法证明，通过每一步贪心选择，最终可以得到问题的一个整体最优解。

最优子结构

当一个问题最优解包含其子问题的最优解时，称此问题具有最优子结构性质。贪心策略在每一次转化时都取得了最优解。最优子结构性质是该问题可用贪心算法或动态规划算法求解的关键特征。贪心算法的每一次操作都对结果产生直接影响，而动态规划则不是。贪心算法对每个子问题的解决方案都做出选择，不能回退；动态规划则会根据以前的选择结果对当前进行选择，有回退功能。动态规划主要运用于二维或三维问题，而贪心一般是一维问题。

求解

       贪心算法不是对所有问题都能得到整体最优解，但对许多问题它能产生整体最优解。如单源最短路径问题，最小生成树问题等。在一些情况下，即使贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似。由于贪心法的高效性以及其所求得的答案比较接近最优结果，贪心法也可以用作辅助算法或者直接解决一些要求结果不特别精确的问题。

贪心基本思想与过程：

      贪心算法基本思想是从问题某一个初始解出发一步一步地进行，根据某个优化测度，每一步都要确保能获得局部最优解，每一步只考虑一个数据，他的选取应该满足局部优化的条件。若下一个数据和部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据枚举完，或者不能再添加算法停止。

过程：

建立数学模型来描述问题。

把求解的问题分成若干个子问题。

对每一子问题求解，得到子问题的局部最优解。

把子问题的解局部最优解合成原来解问题的一个解。

贪心算法存在问题：

不能保证求得的最后解是最佳的

不能用来求最大或者最小解问题

只能求满足某些约束条件的可行解范围

贪心策略适用的前提是：局部最优策略能导致产生全局最优解。

    实际上，贪心算法适用的情况很少。一般，对一个问题分析是否适用于贪心算法，可以先选择该问题下的几个实际数据进行分析，就可做出判断。

贪心算法实现的框架：

从问题某一初始解出发；

while(总目标前进){

       利用可行的决策，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

贪心策略的选择

因为用贪心算法只能通过解局部最优解的策略来达到全局最优解，因此，一定要注意判断问题是否适合采用贪心算法策略，找到的解是否一定是问题的最优解。

背包问题（贪心）

要求尽可能让装入背包中的物品总价值最大，但是不能超过总容量：150

物品：A B C D E F G

重量：35 30 60 50 40 10 25

价值：10 40 30 50 35 40 30

装性价比最高的物品。

#include<iostream>
#include<algorithm>
using namespace std;
struct data{
	double w,p,avg;     //w重量 p价值   
}a[10];
bool cmp(data x,data y){
	return x.avg>y.avg;
} 
int main(){
	int n,i=1;
	double m=150;  //背包容量 
	cin>>n;
	for(int i=1;i<=n;i++){
		cin>>a[i].w>>a[i].p;  //输入重量与价值 
		a[i].avg=a[i].p/a[i].w;	//每个物品的性价比 
	}
	cout<<endl;
	sort(a+1,a+n+1,cmp);  //对物品性价比进行排序 
	while(m>0&&i<=n){   //还存在空余的容量与物品还有 
		m-=a[i].w;  //进入一个 背包减去相关的重量 
		if(m>=0){
			cout<<a[i].w<<" "<<a[i].p<<endl;   //输出物品重量与价格 
			i++;  //同时寻找下一个物品 
		}
		else{
			cout<<(m+a[i].w)<<" "<<a[i].p<<endl;   
		}
	}
	return 0;
}

活动安排：

设有n个活动的集合 E ＝ {1,2,…,n}，其中每个活动都要求使用同一资源，如演讲会场等，而在同一时间内只有一个活动能使用这一资源。

　　每个活动 i 都有一个要求使用该资源的起始时间 si 和一个结束时间 fi，且 si ＜ fi。如果选择了活动i，则它在半开时间区间 [si ,fi ) 内占用资源。若区间 [si , fi )与区间 [sj, fj ) 不相交，则称活动i与活动j是相容的。当 si ≥ fj 或 sj ≥ fi 时，活动 i 与活动 j 相容。

　　活动安排问题就是在所给的活动集合中选出最大的相容活动子集合。

#include<iostream>
using namespace std;
#define NUM 50
void GreedySelector(int n,int s[],int f[],bool b[]){
	b[1]=true;   //默认第一个活动 
	int j=1;	//记录最近一次加入b中的活动
	//检查活动i是否与当前已选择的活动内容 
	for(int i=2;i<=n;i++){
		if(s[i]>=f[j]){
			b[i]=true;
			j=i;
		}else
			b[i]=false;
	}
}
int main(){
	int s[] = {0,1,3,0,5,3,5,6,8,8,2,12};          //存储活动开始时间
    int f[] = {0,4,5,6,7,8,9,10,11,12,13,14};      //存储活动结束时间
    bool b[NUM];
    int n=(sizeof(s)/sizeof(s[0]))-1;
    GreedySelector(n,s,f,b);
    for(int i=1;i<=n;i++){
    	if(b[i])
    		cout<<"活动 "<<i<<": "<<"("<<s[i]<<","<<f[i]<<")"<<endl;
	}
	return 0;
}