* <第8章> 贪婪算法 </第8章>
* 8.1 近似算法 示例:{@link Greedy}
* (1)这是一种近似算法(approximation algorithm)。在获得精确解需要的时间太长时,可使用近似算法
* (2)判断近似算法优劣的标准:速度有多快、得到的近似解与最优解的接近程度
* 8.2 NP完全问题
* (1)需要计算所有的解,并从中选出最小/最短的那个。如旅行商问题、集合覆盖问题
* (2)可使用贪婪算法
* 8.3 如何判断
* (1)元素较少时算法的运行速度非常快,但随着元素数量的增加,速度会变得非常慢
* (2)涉及“所有组合”的问题通常是NP完全问题
* (3)不能将问题分成小问题,必须考虑各种可能的情况。这可能是NP完全问题
* (4)如果问题涉及序列(如旅行商问题中的城市序列)且难以解决,它可能就是NP完全问题
* (5)如果问题涉及集合(如广播台集合)且难以解决,它可能就是NP完全问题
* (6)如果问题可转换为集合覆盖问题或旅行商问题,那它肯定是NP完全问题
* 8.4 小结
* (1)贪婪算法寻找局部最优解,企图以这种方式获得全局最优解
* (2)对于NP完全问题,还没有找到快速解决方案
* (3)面临NP完全问题时,最佳的做法是使用近似算法
* (4)贪婪算法易于实现、运行速度快,是不错的近似算法
/**
* 贪婪算法
*/
public class Greedy {
// 需要覆盖的地点
private static final Set<String> statesNeeded = new HashSet<>();
// 已知的广播台清单
private static final Map<String, Set<String>> stations = new LinkedHashMap<>();
// 最终选择的广播台
private static final Set<String> finalStations = new LinkedHashSet<>();
private static void search() {
while (statesNeeded.size() > 0) {
// 选择的广播台
String bestStation = "";
// 已被覆盖的地点
Set<String> coveredStates = new HashSet<>();
// 遍历所有广播台清单
for (Map.Entry<String, Set<String>> entry : stations.entrySet()) {
// 还未被覆盖的地点
Set<String> covered = new HashSet<>(statesNeeded);
// statesNeeded和当前广播台覆盖地点的交集
covered.retainAll(entry.getValue());
// 如果覆盖的数量大于已被覆盖地点的数量
if (covered.size() > coveredStates.size()) {
// 当前广播台为最优解
bestStation = entry.getKey();
// 加入到已被覆盖地点集合
coveredStates.addAll(covered);
}
}
// 移除已覆盖的地点
statesNeeded.removeAll(coveredStates);
// 最终选择的广播台
finalStations.add(bestStation);
}
System.out.println(finalStations);
}
public static void main(String[] args) {
initStatesNeeded();
initStations();
search();
}
private static void initStations() {
stations.put("kone", new HashSet<>(Arrays.asList("id", "nv", "ut")));
stations.put("ktwo", new HashSet<>(Arrays.asList("wa", "id", "mt")));
stations.put("kthree", new HashSet<>(Arrays.asList("or", "nv", "ca")));
stations.put("kfour", new HashSet<>(Arrays.asList("nv", "ut")));
stations.put("kfive", new HashSet<>(Arrays.asList("ca", "az")));
}
private static void initStatesNeeded() {
statesNeeded.addAll(Arrays.asList("mt", "wa", "or", "id", "nv", "ut", "ca", "az"));
}
}