NP完全问题与近似算法：贪婪策略|Python实现

1. 集合覆盖问题

假设我们创建了一个自己的电台，希望让整个市区的人都可以听到我们的节目。然而，这个城市有许多不同的广播公司，购买它们服务的电台可以让自己的节目覆盖某一块区域，并且这些区域常常是重叠的——这样，我们就面临 一个问题：如何找出可以覆盖全市的最少的广播台集合？

我们使用一个简单的方法就可以得到完美的答案：

1. 列出所有的广播台集合；
2. 从这些集合中选择满足要求且最小的集合。

我们来考察一下第一步中需要多少个集合：

假设有n个电台，我们的集合中元素可能是任意1个、任意2个、任意3个、……、任意n个电台，这其实可以用组合数表示：

根据二项式定理：

我们的集合实际上有2^{n个，是一个指数。所以我们第一步得到的所有的集合组成的一个集合被称为**幂集**，它的子集个数为2的n次方个。这个算法的运行时间也可以表示为O(2}n)。

我们来看看，假设计算机每秒可以计算出100个子集，让我们来看看时间：

广播台数n	所有的集合的数量	计算时间
5	32	0.32秒
10	1024	10.24秒
32	4 294 967 296	497天
100	1.2676506002282e+30	4×10^21年

当广播台数量较小时，计算机还可以处理这个问题，但当广播台数量n稍微增大一点——比如只是到了32，这个问题就变的无法计算了：计算时间变得很不现实。

2. NP完全问题

我们介绍了集合覆盖问题——我们要计算出所有的解，然后从中挑选出最小的。这很类似于我们前面介绍过的旅行商问题——我们同样需要列出所有的可能，然后挑选最短的，但不同的是我们记得旅行商问题的运行时间是O(n!)。

造成这种差异的原因是，在旅行商问题中，我们需要规划联通所有城市的最短路径，这涉及到的是序列，而非无序的集合（广播台问题涉及了集合），所以是排列问题而非组合问题。

集合覆盖问题和旅行商问题都是NP完全问题。我们可以认为NP完全问题就是难以解决的问题——无法编写出能完美解决这些问题的快速算法。

NP完全问题可能很难识别，比如求两个点之间的最短路径，我们可以用狄克斯特拉算法解决，而求解指定的几个点之间的最短路径就变成了旅行商问题——复杂的NP完全问题了。

我们给出一些用来判断的特点：

1. 元素较少时运行速度非常快，但随着元素数量增加，运行速度变得非常慢的算法所要解决的问题可能是NP完全问题。
2. 涉及“所有组合”的问题一般是NP完全问题。
3. 必须考虑所有可能而无法将问题分解成小问题时可能是NP完全问题。
4. 问题涉及序列（如旅行商问题）或集合（如集合覆盖问题）且难以解决时可能是NP完全问题。
5. 集合覆盖问题和旅行商问题一定是NP完全问题（其实日常生活中，集合覆盖问题很常见 ）。

3. 贪婪策略

对于NP完全问题，我们无法获得全局最优解。面对这类问题，我们可以使用贪婪策略：每步都选择局部最优解。采用这种策略之后得到的解可能是全局最优解，也可能非常接近全局最优解。但是，有时候完美往往会变成优秀的敌人——采用贪婪策略，我们虽然可能无法获得全局最优解，但是我们却可以用一种非常简单的方法获得一个优秀的答案。并且，在面对NP完全问题时，我们也只能使用贪婪策略。

下面让我们从两个例子中看看贪婪策略：每部都选择局部最优解，我们将得到一个优秀的最终解。在这两个例子中，我们将使用贪婪策略来快速、优秀的解决问题。

（1）教室调度问题：