贪心算法下的两大经典问题：最优装载问题、最小延迟调度问题

上一篇主要介绍了贪心算法的内容和活动选择问题。本篇主要介绍最优装载问题和最小延迟调度问题

1、最优装载问题

什么是最优装载问题

类似于0-1背包问题那样，有n个集装箱1,2,…,n装上轮船，集装箱i的质量wi，轮船装载重量限制为C，无体积限制。问如何装使得上船的集装箱最多？

这个和前面介绍的完全背包和0-1背包问题差不多一样。然而那些问题是有重量和价值的。这个最优装载问题是只关乎于重量对价值没有要求。而完全背包和0-1背包问题的时间复杂度就是指数量。而对于它们的子问题就存在多项式时间算法，例如，这个最优装载问题就存在一个多项式时间算法。

下面对于这个问题举个例子
有5个物品：w1=4,w2=6,w3=2,w4=8,w5=5。轮船装载重量限制为11
这个问题的解是：1，3，5

下面对问题进行建模：
设<x1,x2,…,xn>表示解向量，xi=0,1，xi=1当且仅当第i个集装箱装上船
那么目标函数就是装的箱子的个数的最大值，而约束条件就是装的箱子重量的和不能超过重量限制

接下来用贪心算法来解最优装载问题

用贪心算法来解最优装载问题

大家可以想想，用什么贪心策略来解这个问题。我相信大家一定是有想法的。

大家想的是不是这个贪心策略：轻者优先。

也就是先将集装箱进行升序排序，按照标号由小到大装箱，直到装入下一个箱子将使得集装箱总重超过轮船装在重量限制，则停止。

下面我们对这个贪心策略进行证明

数学归纳法证明贪心策略

首先将集装箱从轻到重记为1,2,…,n

首先进行归纳基础：
当k=1时，证明存在最优解包含物品1。
如若不然，我们找到一个物品j替换物品1。使其成为最优解A
我们用1来替换j，使其成为最优解A’
因为w1<=wj，如果A是最优解。那么A’也是最优解。因为这个升序之后的1号箱子质量最小。所以是可以放进去的。
因此归纳基础成立

下面我们进行归纳步骤：
假设命题对k为真，证明对k+1也为真
算法执行到第k步，选择了i1=1,i2,…,ik,根据归纳假设存在最优解包括i1,i2,…ik。然后我们对这个归纳假设进行改造。
我们把i1提出去，将ik+1加进去。因此得到i2,i3,…,ik+1这k个箱子对于命题成真。
我们将i2,i3,…,ik+1设为I’，根据归纳假设I’是一个最优解，因此我们有I=I’∪{1}。下面我们证明这个I是原始输入的最优解。
如若不然，则存在一个包含1的关于N的最优解I1,（如果I1中没有1，则用1替换I1中的第一个元素得到的解也是最优解），且|I1|>|I|;因此就会有|I1-{1}|>|I-{1}|。好，下面我们把I1和I的1号箱子全部取走

因为有|I1-{1}|>|I-{1}|，而|I-{1}|是I’。大家看我们在上面已经证明了I’是一个最优解了。而I1-{1}>I’。这显然是和归纳假设相违背。因此不存在一个I1是问题的最优解。因此I就是原问题的最优解。得证。

故贪心策略是正确的

下面我们对代码进行分析：
这个也是先排序，然后如果箱子的重量小于等于最大负载量，就把这个箱子加进去，然后负载量就要减去这个箱子的重量。
下面直接上代码

public class Commodity {
   
	int index;  //货物编号
	int weight;  //货物重量
	
	public Commodity() {
   
		// TODO Auto-generated constructor stub
	}

	public Commodity(int index, int weight) {
   
		super();
		this.index = index;
		this.weight = weight;
	}
	
	
}

public static void main(String[] args) {
   
		// TODO Auto-generated method stub
		Commodity commodity[]=new Commodity[10];
		commodity[0]=new Commodity(1, 2);
		commodity[1]=new Commodity(2, 8);
		commodity[2]=new Commodity(3,