贪心算法.

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。