应用场景
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
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
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
- 2)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:
- 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:
代码实现
public class GreedyAlgorithm {
public static void main(String[] args) {
//创建广播电视台 加入Map
HashMap<String, HashSet<String>> broadcasts = new HashMap<>();
//将各个电台放入到broadcasts
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");
HashSet<String> hashSet5 = new HashSet<>();
hashSet5.add("杭州");
hashSet5.add("大连");
//加入到map
broadcasts.put("K1", hashSet1);
broadcasts.put("K2", hashSet2);
broadcasts.put("K3", hashSet3);
broadcasts.put("K4", hashSet4);
broadcasts.put("K5", hashSet5);
//allAreas 存放所有的地区
HashSet<String> allAreas = new HashSet<String>();
allAreas.add("北京");
allAreas.add("上海");
allAreas.add("深圳");
allAreas.add("天津");
allAreas.add("广州");
allAreas.add("杭州");
allAreas.add("成都");
allAreas.add("大连");
//创建ArrayList 存放选择的电台集合
ArrayList<String> selects = new ArrayList<>();
//定义一个临时的集合 在遍历过程中 存放遍历过程中的电台覆盖的地区和当前还没有覆盖地区的交集
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地区对应的电台的key
//如果maxKey 不为null 则会加入到selects
String maxKey = null;
while (allAreas.size() != 0) {
//每进行依次while 需要
maxKey = null;
//遍历broadcasts 取出对应key
for (String key : broadcasts.keySet()) {
//每进行依次for
tempSet.clear();
//当前这个key能够覆盖的地区
HashSet<String> areas = broadcasts.get(key);
tempSet.addAll(areas);
//求出tempSet 和allAreas集合的交集 交集会付给tempSet
tempSet.retainAll(allAreas);
//如果当前这个集合包含的未覆盖地区的数量 比maxKey指向的集合地区还多
//就需要重置maxKey
//体现贪心 每次都最优 tempSet.size() > broadcasts.get(maxKey).size())
if (tempSet.size() > 0 &&
(maxKey == null || tempSet.size() > broadcasts.get(maxKey).size())) {
maxKey = key;
}
}
//maxKey != null 将maxKey加入 selects
if (maxKey !=null){
selects.add(maxKey);
//将maxKey指向的广播电台覆盖的地区 从 allArea去掉
allAreas.removeAll(broadcasts.get(maxKey));
}
}
System.out.println("结果:"+selects);
}
}
Tips
- 1)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.
- 2)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。
- 3)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。