贪心 最大乘积 java_算法：贪婪算法基础 - osc_bwyiczki的个人空间 - OSCHINA - 中文开源技术交流社区...

算法：贪婪算法基础

理解贪心算法

说明

贪心算法是使所做的选择看起来都是当前最佳的，期望通过所做的局部最优选择来产生一个全局最优解。

设计贪心算法的步骤

1.将优化问题转换成这样一个问题，即先做出选择，再解决剩下的一个子问题。

2.证明原问题总是有一个最优解是贪心选择的得到的，从而说明贪心选择的安全。

3.说明在做出贪心选择后，剩下的子问题具有这样一个性质。即如果将子问题的最优解和我们所做的贪心选择联合起来，可以得到一个更加负责的动态规划解。

剪绳子

问题描述

给你一个长度为n的绳子，请把绳子剪成m段(m，n都是整数，且都大于1)每段绳子的长度即为K[0],K[1],K[2]...K[m]。请问K[0]*k[1]..*k[m]可能的最大乘积是多少？

解决思路

如果我们按照如下的策略剪绳子,则得到的各段绳子的长度的乘积将最大;当n>=5,我们尽可能地剪长度为3的绳子;当剩下的绳子长度为4时,把绳子剪为长度为2的绳子.

贪心算法的核心是通过局部最优解来得到全局最优解,对于分割问题来说,要使乘积最大,该问题的贪心思想是尽可能去剪为长度为3的绳子!

Java代码

迭代法

public static int greedy_cut_rope_1(int n)

{

if(n<2)

return 0;

if(n==2)

return 1;

if(n==3)

return 2;

//尽可能多地去减长度为3的绳子段

int timesOf3 = n/3;

//当绳子最后剩下的长度为4的时候，不能再去剪去长度为3的绳子段

if(n-timesOf3*3==1)

timesOf3-=1;

int timesOf2 =(n-timesOf3*3)/2;

return (int) (Math.pow(3,timesOf3)*Math.pow(2,timesOf2));

}

递归法

public static int greedy_cut_rope(int n)

{

if(n==2)

return 2;

if(n==3)

return 3;

if(n<2)

return 1;

//int timesOf3 = n/3;

if(n==4)

return 4;

return 3*greedy_cut_rope(n-3);

}

背包问题

问题描述

给定N个物品和一个容量为C的背包,物品i的重量为Wi，其价值为Vi，背包问题是如何选择装入背包的物品，使得装入背包中物品的总价值最大。注意在背包问题中，可以将某种物品的一部分装入背包中，但是不可以重复装入。

解决思路

三种贪心思想：

选择价值最大的物品

选择重量最轻的物品

选择单位重量价值最大的物品

毫无疑问，我们当然选择第三种咯。先把性价比最高的全部装入，最后不足全部装入的部分装入。

Java实现代码

public static int greedy_knapSack(int[] w,int[] v,int n,int c)

{

// 假设物品已按单位重量降序排列

double[] x = new double[10];

int maxValue =0;

int i;

for(i=0;w[i]

{

x[i]=1; //将物品 i 装入背包

maxValue+=v[i];

c=c-w[i]; // 背包剩余数量

}

x[i]=(double)c/w[i]; //物品i装入一部分

maxValue+=x[i]*v[i];

return maxValue; //返回背包获得的价值

}

活动选择问题

问题描述

假设有一个需要使某一资源的n个活动组成的集合S={a1，a2，a3...an}。该资源一次只能被一个活动占用，每个活动ai有一个开始时间Si和结束时间Fi，且0<=Si

讨论下面的活动集合S，其中各活动已按结束时间的单调递增顺序进行了排序：

解决思路

对于任意非空子问题Sij，设am是Sij中具有最早结束时间的活动：

fm=min{fk:ak∈Sij}

那么：

1.活动am在Sij的某最大兼容活动子集中被使用。

2.子问题Sim为空，所以选择am使子问题Smj为唯一可能非空的子问题

在解决子问题时，选择am是一个可被合法调度、具有最早结束时间的活动。从直觉上来看，这种活动选择方法是一种贪婪技术，他给后面剩下的待调度任务留下了尽可能多的机会。也就是说，此处的贪心选择使得剩下的、未调度的时间最大化。

Java实现代码

迭代贪心算法

public static void greedy_activity_selector(int[] s,int[] f,boolean[] b)

{

int n = s.length-1;

b[1]=true;

int j=1;

for(int i =2;i<=n;i++)

{

if(s[i]>f[j])

{

b[i]=true;

j=i;

}else

b[i]=false;

}

for(int i=1;i

System.out.println(b[i]);

}