算法学习26-贪心算法常见问题
文章目录
贪心算法的实现框架
从问题的某一初始解出发;
while (能朝给定总目标前进一步)
{
利用可行的决策,求出可行解的一个解元素;
}
由所有解元素组合成问题的一个可行解;
常见问题一:最少的硬币数
问题描述
假设现有1分、2分、5分、1角的硬币若干枚,给定任意一个金额m,求最少需要多少枚硬币?
算法分析
难点在于:怎么证明这个算法得到的最少硬币数。
分析:假设金额为m分,分两种情况进行讨论:
- 若m<10, 可以列出所有的最小硬币数,显然与上面的程序一致;
- 若m>=10, 假设1分、2分、5分和1角的最少硬币数分别为k1、k2、k5、k10, 则需要证明k10=m/10是最优解。由于1角是1分、2分、5分的整数倍,假设存在另一个最少的组合中1角的数量k10‘ < k10且k10-k10’ = d,则必有k1’ + k2’ + k5’ >= k1 + k2 + k5 + 2d,显然,k1’、k2’、k5’、k10’不是最优解。(*思考:前文中的最小硬币数为什么不能用贪心算法?*)
利用贪心算法时,需要关注问题是否具有两个性质:
- 贪心选择性质。即通过局部最优选择可以构造全局最优解。如例1中的最小硬币数,每次都选取最大面值的硬币
- 最优子结构。即如果一个问题的最优解包含其子问题的最优解,则称此问题具有最优子结构性质。(动态规划和贪心选择都具有的性质)
例1中的分析验证了这一点,但是分析过程没有严格去证明贪心选择性质和最优子结构。
代码实现
int LeastCoinNum(int money){
int tenNum = money / 10;
money= money - tenNum*10;
int fiveNum = money / 5;
money = money - fiveNum*5;
int twoNum = money / 2;
int oneNum = money - twoNum * 2;
return tenNum + fiveNum + twoNum + oneNum;
}
常见问题二:切金条问题
问题描述
一块金条切成两半,是需要花费和长度数值一样的铜板的。比如 长度为20的 金条,不管切成长度多大的两半,都要花费20个铜 板。一群人想整分整块金 条,怎么分最省铜板?
例如,
给定数组{10,20,30},代表一共三个人,整块金条长度为 10+20+30=60. 金条要分成10,20,30三个部分。 如果, 先把长 度60的金条分成10和50,花费60 再把长度50的金条分成20和30, 花费50 一共花费110铜板。
但是如果, 先把长度60的金条分成30和30,花费60 再把长度30 金条分成10和20,花费30 一共花费90铜板。
输入一个数组,返回分割的最小代价。
算法分析
算法分析与问题一相似,可以用stl中的priority_queue ,页可以用递归方法去找到其中的最小值
代码实现
#include <iostream>
#include <vector>
#include <queue>
int lessMoney(const std::vector<int>& arr) {
std::priority_queue<int, std::vector<int>, std::greater<> > minHeap; // min heap
//priority_queue:为功能队列:优先输出大数据
// int:为整型数据组
// std::vector<int>:为存储容器
//less:从小到大进行排序
//greater:从大到小进行排序
for (auto it: arr) {
minHeap.push(it); // 在队列中输入数据
}
int res = 0;
//得到最小的元素
while (minHeap.size() > 1) {
int top1 = minHeap.top();
minHeap.pop();
int top2 = minHeap.top();
minHeap.pop();
res += top1 + top2;
minHeap.push(top1 + top2);
}
return res;
}
int main()
{
std::vector<int> test1 = {
10, 20, 30};
// std::vector<int> test2 = { 1, 2, 6, 4, 3, 7, 1, 8 };
int res1 = lessMoney(test1);
// int res2 = lessMoney(test2);
std::cout << "test1: " << res1 << std::endl;
// std::cout << "test2: " << res2 << std::endl;
return 0;
}
常见问题三:最大收益问题
问题描述
- 输入: 参数1,正数数组costs; 参数2,正数数组profits;参数3,正数k; 参数4,正数m;
costs[i]表示i号项目的花费, profits[i]表示i号项目在扣除花费之后还能挣到的钱(利润) ,k表示你不能并行、只能串行的最多做k个项目 m表示你初始的资金。说明:你每做完一个项目,马上获得的收益,可以支持你去做下一个项目。 - 输出: 你最后获得的最大钱数。
算法分析
给定一个初始投资资金,给定N个项目,想要获得其中最大的收益,并且一次只能做一个项目。这是一个贪心策咯的问题,按照花费的多少放到一个小根堆里面,然后要是小根堆里面的头节点的花费少于给定资金,就将头节点一个个取出来,放到按照收益的大根堆里面,这样就然后将大根堆的堆顶弹出,将其加到初始资金上,这样我们就可以从小跟堆中解锁新的项目了,然后重复这个过程。如果遇到大跟堆中为空,我们就直接弹出来就可以啦。或者这么说,及不断去找投入中的最小项,然后我们在这些最小投入中找到最大收益的那一项
代码实现
#include <iostream>
#include <vector>
#include <queue>
using namespace std;
struct Finance {
int cost;
int profit;
};
// 小根堆
struct cmp1 {
bool operator () (Finance& f1, Finance& f2) {
return f1.cost > f2.cost;
}
};
// 大根堆
struct cmp2 {
bool operator () (Finance& f1, Finance& f2) {
return f1.profit < f2.profit;
}
};
int IPO(std::vector<int>& costs, std::vector<int>& profits, int k, int m) {
std::priority_queue<Finance, std::vector<Finance>, cmp1> costsMinHeap;
std::priority_queue<Finance, std::vector<Finance>, cmp2> profitsMaxHeap;
auto* FinanceNode = new Finance[profits.size()];
for (int i = 0; i < profits.size(); ++i) {
FinanceNode[i].cost = costs[i];
FinanceNode[i].profit = profits[i];
}
for (int i = 0; i < profits.size(); ++i) {
costsMinHeap.push(FinanceNode[i]);
}
for (int i = 0; i < k; ++i) {
while (!costsMinHeap.empty() && costsMinHeap.top().cost <= m) {
profitsMaxHeap.push(costsMinHeap.top());
costsMinHeap.pop();
}
if (profitsMaxHeap.empty()) {
return m;
}
m += profitsMaxHeap.top().profit;
profitsMaxHeap.pop();
}
delete [] FinanceNode;
return m;
}
int main()
{
std::vector<int> costs