算法分析与设计课程复习之贪心法
一、定义
贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局部最优选择。
二、贪心算法与动态规划算法的区别
贪心算法通常用来于求解最优化问题,即量的最大化或最小化。
然而,贪心算法不像动态规划算法,它通常包含一个用以寻找局部最优解的迭代过程。在某些实例中,这些局部最优解转变成了全局最优解,而在另外一些情况下,则无法找到最优解。
三、贪心算法的基本要素
- 贪心选择性质
所求问题的整体最优解可以通过一系列局部最优的选择,即贪心选择来达到。
- 最优子结构性质
当一个问题的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。
四、经典问题
1.分数背包问题
给出n个大小为s1, s2,… , sn,价值为v1 ,v2,…,vn的物品,并设背包容量为C。试设计一个贪心算法,找到非负实数x1,x2,…xn使和在约束
下最大。
贪心算法体现:每次选择比率最大的物品
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1e2+10;
int n;
double V;
double w[N],v[N];
struct Goods{
double w,v;
bool operator<(const Goods x)const{
return w/v<x.w/x.v;//按照比率从小到大进行排序
}
}goods[N];
int main()
{
cin>>n>>V;
for(int i=1;i<=n;i++)
{
cin>>goods[i].w;
}
for(int i=1;i<=n;i++)
{
cin>>goods[i].v;
}
sort(goods+1,goods+n+1);
double sumW=0.0;
double sumV=0.0;
for(int i=n;i>=1;i--)//从比率大的开始选择
{
if(sumV<V)
{
sumV+=goods[i].v;
sumW+=goods[i].w;
if(sumV>V)//当体积超过最大体积后,按照比例放入当前的物品
{
sumW-=goods[i].w;
sumV-=goods[i].v;
sumW+=((V-sumV)/goods[i].v)*goods[i].w;
break;
}
}
}
cout<<sumV<<endl;
return 0;
}
2.最短路径问题
单源最短路径问题,或者简称为最短路径问题,是要确定从s到V中每一个其他顶点的距离,这里从顶点s到顶点x的距离定义为从s到x的最短路径的长度。
Dijkstra算法
贪心算法体现:每次选择最短距离的点
int g[N][N]; // 存储每条边
int dist[N]; // 存储1号点到每个点的最短距离
bool st[N]; // 存储每个点的最短路是否已经确定
// 求1号点到n号点的最短路,如果不存在则返回-1
int dijkstra()
{
memset(dist, 0x3f, sizeof dist);
dist[1] = 0;
for (int i = 0; i < n - 1; i ++ )
{
int t = -1; // 在还未确定最短路的点中,寻找距离最小的点
for (int j = 1; j <= n; j ++ )
if (!st[j] && (t == -1 || dist[t] > dist[j]))
t = j;
// 用t更新其他点的距离
for (int j = 1; j <= n; j ++ )
dist[j] = min(dist[j], dist[t] + g[t][j]);
st[t] = true;
}
if (dist[n] == 0x3f3f3f3f) return -1;
return dist[n];
}
3.最小生成树
设G = (V, E)是一个具有含权边的连通无向图。G的一裸生成树(V, T)是G的作为树的子图。如给G加权并且T的各边的权的和为最小值,那么(V,T)就称为最小耗费生成树或简称为最小生成树
3.1Kruskal算法(加边法)
贪心算法体现:每次选择边权最小的边
int n, m; // n是点数,m是边数
int p[N]; // 并查集的父节点数组
struct Edge // 存储边
{
int a, b, w;
bool operator< (const Edge &W)const
{
return w < W.w;
}
}edges[M];
int find(int x) // 并查集核心操作
{
if (p[x] != x) p[x] = find(p[x]);
return p[x];
}
int kruskal()
{
sort(edges, edges + m);
for (int i = 1; i <= n; i ++ ) p[i] = i; // 初始化并查集
int res = 0, cnt = 0;
for (int i = 0; i < m; i ++ )
{
int a = edges[i].a, b = edges[i].b, w = edges[i].w;
a = find(a), b = find(b);
if (a != b) // 如果两个连通块不连通,则将这两个连通块合并
{
p[a] = b;
res += w;
cnt ++ ;
}
}
if (cnt < n - 1) return INF;
return res;
}
3.2Prim算法(加点法)
贪心算法体现:每次选择边权最小的点
int n; // n表示点数
int g[N][N]; // 邻接矩阵,存储所有边
int dist[N]; // 存储其他点到当前最小生成树的距离
bool st[N]; // 存储每个点是否已经在生成树中
// 如果图不连通,则返回INF(值是0x3f3f3f3f), 否则返回最小生成树的树边权重之和
int prim()
{
memset(dist, 0x3f, sizeof dist);
int res = 0;
for (int i = 0; i < n; i ++ )
{
int t = -1;
for (int j = 1; j <= n; j ++ )
if (!st[j] && (t == -1 || dist[t] > dist[j]))
t = j;
if (i && dist[t] == INF) return INF;//表明图不连通
if (i) res += dist[t];
st[t] = true;
for (int j = 1; j <= n; j ++ ) dist[j] = min(dist[j], g[t][j]);//更新距离
}
return res;
}
4.哈夫曼树(前缀码)
哈夫曼树的特点:树的带权路径长度之和最小
贪心算法体现:每次选择权重最小的两个点
//采用小根堆维护所有的节点,每次弹出两个节点,并将其合并,合并之后的权重再次插入小根堆中
//priority_queue<int, vector<int>, greater<int>> heap;//定义一个小根堆
//此题为变式题,仅体现贪心算法思想
#include <iostream>
#include <algorithm>
#include <queue>
using namespace std;
int main()
{
int n;cin>>n;
priority_queue<int,vector<int>,greater<int>> heap;
int sum=0;
while(n--)
{
int x;cin>>x;
heap.push(x);
}
while(heap.size()>1)
{
int a=heap.top();heap.pop();
int b=heap.top();heap.pop();
heap.push(a+b);
sum+=a+b;
}
cout<<sum<<endl;
return 0;
}
5.会场安排问题
假设要在足够多的会场里安排一批活动,并希望使用尽可能少的会场。设计一个有效的贪心算法进行安排。(这个问题实际上是著名的 。若将每一个活动作为图的一个顶点,不相容活动间用边相连。使相邻顶点着有不同颜色的最小着色数,相应于要找的最小会场数。)
贪心算法体现:对活动的开始时间进行从小到大排序,根据活动结束时间快慢判断是否需要增加会场
#include <iostream>
#include <algorithm>
#include <queue>
using namespace std;
struct node{
int start;
int end;
bool operator <(const node p)const
{
return start<p.start;//按照开始时间的大小从小到大排序
}
};
int n;
int main()
{
cin>>n;
node p[n];
for(int i=0;i<n;i++)
{
cin>>p[i].start>>p[i].end;
}
sort(p,p+n);
priority_queue<int, vector<int>, greater<int> > heap;//小根堆维护结束时间
for(int i=0;i<n;i++)
{
node r = p[i];
if(heap.empty()||heap.top()>=r.start)//活动结束的时间大于下一个活动开始的时间,下一个活动需要另外一个会场,即数量+1
{
heap.push(r.end);
}
else//不需要另外一个会场
{
heap.pop();
heap.push(r.end);//更新该会场的结束时间
}
}
cout<<heap.size()<<endl;
return 0;
}
6.程序存储问题
设有n个程序{1,2,…, n }要存放在长度为L 的磁带上。程序i存放在磁带上的长度是li,1≤i≤n 。程序存储问题要求确定这n个程序在磁带上的一个存储方案,使得能够在磁带上存储尽可能多的程序。
贪心算法体现:每次选择长度最小的程序
#include <iostream>
#include <algorithm>
using namespace std;
bool cmp(int x,int y)
{
return x<y;
}
int main()
{
int n;cin>>n;
int Max;cin>>Max;
int a[n];
for(int i=0;i<n;i++)
{
cin>>a[i];
}
sort(a,a+n,cmp);//按照从小到大排序
int k=0;
int sum=0;
while(sum<=Max)
{
sum+=a[k++];
}
cout<<k-1<<endl;
return 0;
}
7.最优分解问题
设n 是一个正整数。现在要求将n 分解为若干个互不相同的自然数的和,且使这些自然数的乘积最大。
整数的一个性质:若 a + b =N(常数),则| a - b |越小, a * b 越大
贪心算法体现:将n分成从2开始的连续自然数的和,如果最后剩下一个数,将此数在后项优先的方式下均匀地分给前面各项。
#include<bits/stdc++.h>
using namespace std;
int main()
{
int n;cin>>n;
int x=n;
int i=2,j=0,a[99999];
while(x>=i)
{
a[j++]=i;
x=x-i;
i++;
}
int p=j;//记录分解的因数的个数
j--;//最后一个a数组所在位置的下标
while(x--)
{
a[j]++;
j=(j-1+p)%p;//考虑到剩余的数大于分解的因数的个数的情况
}
int sum=1;
for(int s=0; s<p; s++) {
sum=sum*a[s];
}
cout<<sum<<endl;
return 0;
}