Java用贪心算法解决集合覆盖问题

14.5 贪心算法

14.5.1 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

14.5.2 贪心算法介绍

  1. 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。
  2. 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。

14.5.3 贪心算法最佳应用-集合覆盖

  1. 假设存在如下表的需要付费的广播台,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

  1. 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:
  1. 目前并没有算法可以快速计算得到准备的值, 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:
  2. 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)
  3. 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。
  4. 重复第 1 步直到覆盖了全部的地区
    分析的图解:
    在这里插入图片描述

代码实现

import java.util.ArrayList;
import java.util.HashMap;
import java.util.HashSet;

/**
 * @author zk
 * @version 1.0.0
 * @ClassName GreedyAlgorithm.java
 * @Description TODO 贪心算法
 * @createTime 2021年09月30日 13:21:00
 */
public class GreedyAlgorithm {
    public static void main(String[] args) {
        HashMap<String, HashSet<String>> broadcasts = new HashMap<>();

        HashSet<String> hashSet1 = new HashSet<>();
        hashSet1.add("北京");
        hashSet1.add("上海");
        hashSet1.add("天津");
        HashSet<String> hashSet2 = new HashSet<>();
        hashSet2.add("广州");
        hashSet2.add("北京");
        hashSet2.add("深圳");
        HashSet<String> hashSet3 = new HashSet<>();
        hashSet3.add("成都");
        hashSet3.add("上海");
        hashSet3.add("杭州");
        HashSet<String> hashSet4 = new HashSet<>();
        hashSet4.add("上海");
        hashSet4.add("天津");
        hashSet4.add("北京");
        HashSet<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);

        // 把所有的城市添加到allArea集合
        HashSet<String> allArea = new HashSet<>();
        allArea.addAll(hashSet1);
        allArea.addAll(hashSet2);
        allArea.addAll(hashSet3);
        allArea.addAll(hashSet4);
        allArea.addAll(hashSet5);

        // 创建 ArrayList, 存放选择的电台集
        ArrayList<String> list = new ArrayList<>();
        // 用于存放取出来的数据
        HashSet<String> tempSet = new HashSet();
        //定义给 maxKey , 保存在一次遍历过程中,能够覆盖最大未覆盖的地区对应的电台的 key
        String maxKey = null;
        while (allArea.size()!=0){

            for (String key : broadcasts.keySet()) {
                tempSet.clear();
                HashSet<String> areas = broadcasts.get(key);
                tempSet.addAll(areas);
                tempSet.retainAll(allArea);
                HashSet<String> maxVal = broadcasts.get(maxKey);
                if (maxVal!=null){
                    maxVal.retainAll(allArea);
                }
                if (tempSet.size()>0&&(maxKey==null||tempSet.size()>maxVal.size())){
                    maxKey = key;
                }
            }

            if (maxKey!=null){
                list.add(maxKey);
                allArea.removeAll(broadcasts.get(maxKey));
                maxKey = null;
            }

        }
        System.out.println(list);
    }
}

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
最小生成树问题是图论中的一个重要问题,贪心算法解决该问题的一种常用方法。以下是使用Java语言实现贪心算法解决最小生成树问题的示例代码: ```java import java.util.Arrays; public class KruskalAlgorithm { // 定义边 static class Edge implements Comparable<Edge> { int start; // 起点 int end; // 终点 int weight; // 权值 public Edge(int start, int end, int weight) { this.start = start; this.end = end; this.weight = weight; } @Override public int compareTo(Edge o) { return Integer.compare(this.weight, o.weight); } } // 查找节点所在的集合 private static int find(int[] parent, int i) { if (parent[i] == -1) { return i; } return find(parent, parent[i]); } // 合并两个集合 private static void union(int[] parent, int x, int y) { int xSet = find(parent, x); int ySet = find(parent, y); parent[xSet] = ySet; } // Kruskal算法求解最小生成树 private static void kruskalMST(int[][] graph, int n) { Edge[] edges = new Edge[n * n]; int k = 0; for (int i = 0; i < n; i++) { for (int j = i + 1; j < n; j++) { if (graph[i][j] != 0) { edges[k++] = new Edge(i, j, graph[i][j]); } } } Arrays.sort(edges, 0, k); int[] parent = new int[n]; Arrays.fill(parent, -1); int e = 0; int i = 0; while (e < n - 1) { Edge edge = edges[i++]; int x = find(parent, edge.start); int y = find(parent, edge.end); if (x != y) { System.out.println(edge.start + " - " + edge.end); union(parent, x, y); e++; } } } public static void main(String[] args) { int[][] graph = {{0, 2, 0, 6, 0}, {2, 0, 3, 8, 5}, {0, 3, 0, 0, 7}, {6, 8, 0, 0, 9}, {0, 5, 7, 9, 0}}; kruskalMST(graph, 5); } } ``` 以上代码实现了一个Kruskal算法的示例,主要包括以下几个步骤: 1. 定义边的数据结构,并实现`Comparable`接口以便进行排序。 2. 实现查找节点所在集合和合并两个集合的方法。 3. 构造边的数组,并按权值从小到大排序。 4. 初始化每个节点所在集合为-1,然后遍历边的数组,如果该边连接的两个节点不在同一集合中,则将它们合并,并输出该边。 5. 重复步骤4直到连接n-1条边为止,此时输出的边即为最小生成树的边集。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小凯子丶

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值