C#内功修炼(算法)——贪心算法(五)

对于许多最优化问题，使用动态规划算法来求最优解有些杀鸡用牛刀了，可以使用更加简单、更加高效的算法。贪心算法就是这样的算法，它在每一步做出当时看起来最佳的选择。也就是说它总是做出局部最优的选择，从而得到全局最优解。

对于某些问题并不保证得到最优解，但对很多问题确实可以求得最优解。

贪心算法 - 活动选择问题

有n个需要在同一天使用同一个教室的活动a1,a2,…,an，教室同一时刻只能由一个活动使用。每个活动ai都有一个开始时间si和结束时间fi。一旦被选择后，活动ai就占据半开时间区间[si,fi)。如果[si,fi]和[sj,fj]互不重叠，ai和aj两个活动就可以被安排在这一天。该问题就是要安排这些活动使得尽量多的活动能不冲突的举行（最大兼容活动子集）。例如下图所示的活动集合S，其中各项活动按照结束时间单调递增排序。

{a3,a9,a11}是一个兼容的活动子集，但它不是最大子集，因为子集{a1,a4,a8,a11}更大，实际上它是我们这个问题的最大兼容子集，但它不是唯一的一个{a2，a4，a9，a11}

1，动态规划算法解决思路

  我们使用Sij代表在活动ai结束之后，且在aj开始之前的那些活动的集合，我们使用c[i,j]代表Sij的最大兼容活动子集的大小，对于上述问题就是求c[0,12]的解

      a, 当i>=j-1或者Sij中没有任何活动元素的时候，c[i,j]=0

      b，当i<j-1

          1，Sij不存在活动,c[i,j]=0

          2，Sij存在活动的时候，c[i,j]= max{c[i,k]+c[k,j]+1}  ak属于Sij,这里是遍历Sij的集合，然后求得最大兼容子集

[csharp]  view plain  copy

1. static void Main(string[] args)  
2. {  
3.     int[] s = { 0, 1, 3, 0, 5, 3, 5, 6, 8, 8, 2, 12, 24 };  
4.     int[] f = { 0, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 24 };  
5.   
6.     List<int>[,] result = new List<int>[13, 13];// 默认值null  
7.     for (int m = 0; m < 13; m++)  
8.     {  
9.         for (int n = 0; n < 13; n++)  
10.         {  
11.             result[m, n] = new List<int>();  
12.         }  
13.     }//默认值就是空list集合  
14.   
15.         for (int j = 0; j < 13; j++)  
16.         {  
17.             for (int i = 0; i < j - 1; i++)  
18.             {  
19.                 // S[ij] i结束之后 j开始之前的 活动集合  
20.                 // f[i]  s[j] 这个时间区间内的所有活动  
21.                 List<int> sij = new List<int>();  
22.                 for (int number = 1; number < s.Length - 1; number++)  
23.                 {  
24.                     if (s[number] >= f[i] && f[number] <= s[j])  
25.                     {  
26.                         sij.Add(number);  
27.                     }  
28.                 }  
29.   
30.                 if (sij.Count > 0)  
31.                 {  
32.                     //result[i,j]=max{ result[i,k]+result[k,j]+ k }  
33.   
34.                     int maxCount = 0;  
35.                     List<int> tempList = new List<int>();  
36.                     foreach (int number in sij)  
37.                     {  
38.                         int count = result[i, number].Count + result[number, j].Count + 1;  
39.                         if (maxCount < count)  
40.                         {  
41.                             maxCount = count;  
42.                             tempList = result[i, number].Union<int>(result[number, j]).ToList<int>();  
43.                             tempList.Add(number);  
44.                         }  
45.                     }  
46.                     result[i, j] = tempList;  
47.                 }  
48.   
49.             }  
50.         }  
51.         List<int> l = result[0, 12];  
52.         foreach (int temp in l)  
53.         {  
54.             Console.WriteLine(temp);  
55.         }  
56.     Console.ReadKey();  
57. }  

2，贪心算法

  想要使用贪心算法的话，得先找到适合贪心算法的规律（局部最优选择）

  对于任何非空的活动集合S，假如am是S中结束时间最早的活动，则am一定在S的某个最大兼容活动子集中。

（如何证明上面的结论？反证法）

      递归解决

[csharp]  view plain  copy

1. static void Main(string[] args)  
2. {  
3.   
4.     List<int> list = ActivitySelection(1, 11, 0, 24);  
5.     foreach (int temp in list)  
6.     {  
7.         Console.WriteLine(temp);  
8.     }  
9.     Console.ReadKey();  
10.   
11. }  
12. static int[] s = { 0, 1, 3, 0, 5, 3, 5, 6, 8, 8, 2, 12 };  
13. static int[] f = { 0, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14 };  
14. public static List<int> ActivitySelection(int startActivityNumber,int endActivityNumber,int startTime ,int endTime)  
15. {  
16.     if (startActivityNumber > endActivityNumber || startTime >= endTime)  
17.     {  
18.         return new List<int>();  
19.     }  
20.     //找到结束时间最早的活动   
21.     int tempNumber = 0;  
22.     for (int number = startActivityNumber; number <= endActivityNumber; number++)  
23.     {  
24.         if (s[number] >= startTime && f[number] <= endTime)  
25.         {  
26.             tempNumber = number;  
27.             break;  
28.         }  
29.     }  
30.     List<int> list = ActivitySelection(tempNumber + 1, endActivityNumber, f[tempNumber], endTime);  
31.     list.Add(tempNumber);  
32.     return list;  
33. }  

      迭代解决

[csharp]  view plain  copy

1. static void Main(string[] args)  
2. {  
3.     int[] s = { 0, 1, 3, 0, 5, 3, 5, 6, 8, 8, 2, 12 };  
4.     int[] f = { 0, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14 };  
5.   
6.     int startTime = 0;  
7.     int endTime = 24;  
8.     List<int> list = new List<int>();  
9.     for (int number = 1; number <= 11; number++)  
10.     {  
11.         if (s[number] >= startTime && f[number] <= endTime)  
12.         {  
13.             list.Add(number);  
14.             startTime = f[number];  
15.         }  
16.     }  
17.     foreach (int i in list)  
18.     {  
19.         Console.WriteLine(i);  
20.     }  
21.     Console.ReadKey();  
22. }  

贪心算法 - 钱币找零问题

这个问题在我们的日常生活中就更加普遍了。假设1元、2元、5元、10元、20元、50元、100元的纸币分别有c0,c1, c2, c3, c4, c5, c6张。现在要用这些钱来支付K元，至少要用多少张纸币？用贪心算法的思想，很显然，每一步尽可能用面值大的纸币即可。

intCount[N]={3,0,2,1,0,3,5}; 

intValue[N]={1,2,5,10,20,50,100};  

[csharp]  view plain  copy

1. static void Main(string[] args)  
2. {  
3.     int[] count={3,0,2,1,0,3,5};    
4.     int[] amount={1,2,5,10,20,50,100};  
5.     //            0 0 2 1   0   0 3  
6.     int[] result = Change(324, count, amount);  
7.     foreach (int i in result)  
8.     {  
9.         Console.Write(i + " ");  
10.     }  
11.     Console.ReadKey();  
12.   
13. }  
14.   
15. public static int[] Change(int k, int[] count, int[] amount)  
16. {  
17.     if (k == 0) return new int[amount.Length + 1];  
18.     int total = 0;  
19.     int index = amount.Length - 1;  
20.     int[] result = new int[amount.Length+1];  
21.     while (true)  
22.     {  
23.         if (k <= 0 || index <= -1) break;  
24.         if (k > count[index] * amount[index])//我们有的纸币的钱的总额，比k要小  
25.         {  
26.             result[index] = count[index];  
27.             k -= count[index] * amount[index];  
28.         }  
29.         else  
30.         {  
31.             result[index] = k / amount[index];  
32.             k -= result[index] * amount[index];  
33.         }  
34.         index--;  
35.     }  
36.     result[amount.Length] = k;  
37.     return result;  
38. }