算法4：贪心算法-CSDN博客

本文链接：https://blog.csdn.net/qq_40977118/article/details/127196447

1. 应用场景-集合覆盖问题

假设存在下面需要付费的广播台，以及广播台信号可以覆盖的地区。如何选择最少的广播台，让所有的地区都可以接收到信号

在这里插入图片描述

2. 贪心算法介绍

贪婪算法(贪心算法)是指在对问题进行求解时，在每一步选择中都采取最好或者最优(即最有利)的选择，从而希望能够导致结果是最好或者最优的算法
贪婪算法所得到的结果不一定是最优的结果(有时候会是最优解)，但是都是相对近似(接近)最优解的结果

3. 最佳应用-集合覆盖

假设存在上面需要付费的广播台，以及广播台信号可以覆盖的地区。如何选择最少的广播台，让所有的地区都可以接收到信号
思路分析: 如何找出覆盖所有地区的广播台的集合呢，使用穷举法实现，列出每个可能的广播台的集合，这被称为幂集。假设总的有n个广播台，则广播台的组合总共有2ⁿ -1 个,假设每秒可以计算10个子集，如图:

在这里插入图片描述

使用贪婪算法，效率高:

目前并没有算法可以快速计算得到准确的值，使用贪婪算法，则可以得到非常接近的解，并且效率高。选择策略上，因为需要覆盖全部地区的最小集合:
遍历所有的广播电台, 找到一个覆盖了最多未覆盖的地区的电台(此电台可能包含一些已覆盖的地区，但没有关系）
将这个电台加入到一个集合中(比如ArrayList), 想办法把该电台覆盖的地区在下次比较时去掉。
重复第1步直到覆盖了全部的地区

4. 代码实现

import java.util.ArrayList;
import java.util.HashMap;
import java.util.HashSet;
import java.util.List;
import java.util.Map;
import java.util.Set;

public class GreedyAlgorithm {

    public static void main(String[] args) {
        // 创建城市列表到Map
        Map<String, Set<String>> broadcasts = new HashMap<>();
        Set<String> hashSet1 = new HashSet<>();
        hashSet1.add("北京");
        hashSet1.add("上海");
        hashSet1.add("天津");
        Set<String> hashSet2 = new HashSet<>();
        hashSet2.add("广州");
        hashSet2.add("北京");
        hashSet2.add("深圳");
        Set<String> hashSet3 = new HashSet<>();
        hashSet3.add("成都");
        hashSet3.add("上海");
        hashSet3.add("杭州");
        Set<String> hashSet4 = new HashSet<>();
        hashSet4.add("上海");
        hashSet4.add("天津");
        Set<String> hashSet5 = new HashSet<>();
        hashSet5.add("杭州");
        hashSet5.add("大连");
        broadcasts.put("k1", hashSet1);
        broadcasts.put("k2", hashSet2);
        broadcasts.put("k3", hashSet3);
        broadcasts.put("k4", hashSet4);
        broadcasts.put("k5", hashSet5);
        // allAreas 存放所有的城市
        Set<String> allAreas = new HashSet<>();
        allAreas.add("北京");
        allAreas.add("上海");
        allAreas.add("天津");
        allAreas.add("广州");
        allAreas.add("深圳");
        allAreas.add("成都");
        allAreas.add("杭州");
        allAreas.add("大连");

        // selects存放选择的城市
        List<String> selects = new ArrayList<>();

        // 定义临时集合，在遍历过程中，存放遍历过程中当前集合中城市和全部城市集合的交集
        Set<String> tempSet = new HashSet<>();

        // 定义maxKey，保存在一次遍历中，各个集合中能够匹配最多元素的集合对应的key
        // 如果maxKey不为null，则加入到selects
        String maxKey = null;
        // 如果allAreas不为0，说明还没有匹配到所有的城市
        while (allAreas.size() != 0) {
            // 每次进入循环，都需要初始化maxKey
            maxKey = null;
            // 遍历
            for (String key : broadcasts.keySet()) {
                // 清空临时集合
                tempSet.clear();
                // 当前key对应的城市
                Set<String> areas = broadcasts.get(key);
                tempSet.addAll(areas);
                // 求出tempSet和allAreas交集，并赋给tempSet
                tempSet.retainAll(allAreas);
                // 如果当前集合匹配到的元素数量，比maxKey指向的集合中元素数量多
                // 需要重置maxKey
                if (tempSet.size() > 0 &&
                        (maxKey == null || tempSet.size() > broadcasts.get(maxKey).size())) {
                    maxKey = key;
                }
            }
            // maxKey不为空，则加入到selects中
            if (maxKey != null) {
                selects.add(maxKey);
                // 将maxKey指向的集合中的城市，从allAreas中去掉
                allAreas.removeAll(broadcasts.get(maxKey));
            }
        }
        System.out.println("selects:" + selects);
    }

}

结果打印

selects:[k1, k2, k3, k5]

5. 贪心算法注意事项和细节

贪婪算法所得到的结果不一定是最优的结果(有时候会是最优解)，但是都是相对近似(接近)最优解的结果
比如上题的算法选出的是K1, K2, K3, K5，符合覆盖了全部的地区
但是我们发现 K2, K3, K4, K5 也可以覆盖全部地区，如果K2 的使用成本低于K1,那么我们上题的 K1, K2, K3, K5 虽然是满足条件，但是并不是最优的.