贪心算法思想分析及应用

贪心算法思想的核心在于量度的考量。基本步骤为：根据题意，选择一种量度。然后按照这个量度，对数据进行排序。依次输入一个数据，如果这个输入和当前已构成在这种量度意义下的部分最优解加在一起不能产生一个可行解，则不把此输入加到这部分解中。这种能够得到某种意义下的最优解的分级处理方法称为贪心算法。

背包算法，最小代价生成树，单源点最短路径都是应用了这种思想。

背包算法所选择的量度为装入物品单位容量获得当前最大的单位效益，即p[i]/w[i].根据这种量度，对物品的重量和所对应的效应进行排序。然后按照顺序装入包中，直至包装满。这里之所以选择这种量度，是因为为使装入的总效应值最大，这种顺序装入所得的总效应值最大。具体算法设计如下：

Void GreedyKnapsack( float m, float n){
//p[1: n]和w[1: n]分别含有按p[i]/w[i]≥p[i+1]/w[i+1]按序的n件物品的效益值和重量。m是背包的容量大小，而x(1: n)是解向量。//
for  ( int i =1 , i <= n; i++ ) x[i] = 0.0;//首先进行初始化，解为0
float U = m;
for  ( i =1 , i <= n; i++ ) {//此时的w[i]已经排好序，按照判断条件进行装入。
   if ( w(i)>U ) break;
   x[i] = 1.0;
   U -= w[i];
}
if ( I <= n ) x[i] = U/w[i] ;
}

背包算法按照单位效应量排序，可以采用多种排序算法，如快速排序等。

最小代价生成树分析：

最小生成树也是通过贪心算法的思想来实现，它所选择的量度是选择一条边，使得目前包含的代价总和有最小程度的提高。即选择权值最小的边。它所运用的基本原理是1.先选入一个顶点为树的根节点，