一、贪心算法的概述
- 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
- 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
二、集合覆盖问题
2.1 案例描述
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
广播台 | 覆盖地区 |
---|---|
K1 | 北京、上海、天津 |
K2 | 广州、北京、深圳 |
K3 | 成都、上海、杭州 |
K4 | 上海、天津 |
K5 | 杭州、大连 |
2.2 思路分析
2.2.1 穷举法的思路
首先想到如何找出覆盖所有地区的广播台的集合呢?
最容易想到是使用穷举法实现,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 个,假设每秒可以计算10个子集,那么其所需要的时间如下:
广播台数量 | 子集总数 | 需要的时间 |
---|---|---|
5 | 32 | 3.2s |
10 | 1024 | 102.4s |
32 | 4294967296 | 13.6年 |
100 | 1.26*100³º | 4x10²³年 |
但是问题在于 n 个广播台可能的集合有 2ⁿ 个,因此运行时间为 O(2ⁿ)。如果广播台不多,比如只有 5~10 个,这个方法倒还可行。但是一旦问题的规模变大,广播台的数量增多,需要的时间将激增。效率就会变低。
2.2.2 贪心算法的思路
于是,引出了贪心算法这一方法,使我们处理这类问题的效率变得更加高效。
- 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)
- 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。
- 重复第1步直到覆盖了全部的地区
2.3 贪心算法的代码实现
package greedy;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.HashSet;
public class greedyAlgorithm {
public static void main(String[] args) {
//创建一个ArrayList,存放选择的电台集合
ArrayList<String> selected = new ArrayList<>();
//创建广播电台,放入到一个Map中
HashMap<String,HashSet<String>> broadcasts = new HashMap<>();
//存放所有的地区
HashSet<String> allAreas = new HashSet<>();
//定义一个临时的集合,在遍历过程中,存放遍历过程中电台覆盖的地区和当前还没有被覆盖地区的交集
HashSet<String> temp = new HashSet<>();
// 存放maxKey对应的地区和当前还没有覆盖的地区的交集
HashSet<String> maxSet = new HashSet<String>();
HashSet<String> hashSet1 = new HashSet<>();
hashSet1.add("北京");
hashSet1.add("上海");
hashSet1.add("天津");
HashSet<String> hashSet2 = new HashSet<>();
hashSet2.add("北京");
hashSet2.add("广州");
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);
//添加城市集合
allAreas.add("北京");
allAreas.add("上海");
allAreas.add("天津");
allAreas.add("广州");
allAreas.add("深圳");
allAreas.add("成都");
allAreas.add("杭州");
allAreas.add("大连");
//定义maxKey,保存在一次遍历过程中,能够覆盖最大地区对应的电台key
String maxkey = null;
while(allAreas.size() != 0){
maxkey = null;
//遍历broadcasts,取出对应key
for(String key:broadcasts.keySet()){
temp.clear();
HashSet<String> areas = broadcasts.get(key);
temp.addAll(areas);
temp.retainAll(allAreas);//求出temp和allAreas集合的交集
if (maxkey != null) {
maxSet.addAll(broadcasts.get(maxkey));
maxSet.retainAll(allAreas);
}
//如果当前集合包含的未覆盖地区的数量,比maxkey指向的集合地区还多
if(temp.size() > 0 && (maxkey == null || temp.size() > maxSet.size())){
maxkey = key;
}
}
if(maxkey != null){
selected.add(maxkey);
//将maxKey指向的广播电台覆盖地区,从allAreas中移除
allAreas.removeAll(broadcasts.get(maxkey));
}
}
System.out.println("得到的结果是" + selected);
}
}