贪心算法问题
2018年09月15日 15:44:37 Dyson~ 阅读数:652
一、概念
- 贪心法(Greedy Algorithm)定义
求解最优化问题的算法通常需要经过一系列的步骤,在每个步骤都面临多种选择;
贪心法就是这样的算法:它在每个决策点作出在当时看来最佳的选择,即总是遵循某种规则,做出局部最优的选择,以推导出全局最优解(局部最优解->全局最优解)
-
对贪心法的深入理解
(1)原理:一种启发式策略,在每个决策点作出在当时看来最佳的选择
(2)求解最优化问题的两个关键要素:贪心选择性质+最优子结构 ①贪心选择性质:进行选择时,直接做出在当前问题中看来最优的选择,而不必考虑子问题的解; ②最优子结构:如果一个问题的最优解包含其子问题的最优解,则称此问题具有最优子结构性质 (3)解题关键:贪心策略的选择 贪心算法不是对所有问题都能得到整体最优解的,因此选择的贪心策略必须具备无后效性,即某个状态以前的过程不会影响以后的状态,只与当前状态有关。 (4)一般步骤: ①建立数学模型来描述最优化问题; ②把求解的最优化问题转化为这样的形式:对其做出一次选择后,只剩下一个子问题需要求解; ③证明做出贪心选择后: 1°原问题总是存在全局最优解,即贪心选择始终安全; 2°剩余子问题的局部最优解与贪心选择组合,即可得到原问题的全局最优解。 并完成2°
-
贪心法与动态规划
最优解问题大部分都可以拆分成一个个的子问题,把解空间的遍历视作对子问题树的遍历,则以某种形式对树整个的遍历一遍就可以求出最优解,大部分情况下这是不可行的。贪心算法和动态规划本质上是对子问题树的一种修剪,两种算法要求问题都具有的一个性质就是子问题最优性(组成最优解的每一个子问题的解,对于这个子问题本身肯定也是最优的)。动态规划方法代表了这一类问题的一般解法,我们自底向上构造子问题的解,对每一个子树的根,求出下面每一个叶子的值,并且以其中的最优值作为自身的值,其它的值舍弃。而贪心算法是动态规划方法的一个特例,可以证明每一个子树的根的值不取决于下面叶子的值,而只取决于当前问题的状况。换句话说,不需要知道一个节点所有子树的情况,就可以求出这个节点的值。由于贪心算法的这个特性,它对解空间树的遍历不需要自底向上,而只需要自根开始,选择最优的路,一直走到底就可以了。
二、典型问题分析
- (引例)矩阵选数问题
在N行M列的正整数矩阵中,要求从每行中选出1个数,使得选出的总共N个数的和最大。(1<=N, M<=100,结果在int范围内)
【分析】要使总和最大,则每个数要尽可能大,自然应该选每行中最大的那个数。
局部最优解:每行中的最大数;全局最优解:N个数和的最大值。
#include <stdio.h>
#define maxn 105
int N,M;
int maxnum; //maxnum记录每行中的最大值
int sum=0; //sum记录每行中的最大值之和
int a[maxn][maxn];
int main()
{
int i,j;
scanf("%d %d",&N,&M);
for(i=0;i<N;i++)
for(j=0;j<M;j++)
scanf("%d",&a[i][j]);
for(i=0;i<N;i++)
{
maxnum=0;
for(j=0;j<M;j++) //循环更新每行的最大值
{
if(a[i][j]>maxnum)
maxnum=a[i][j];
}
sum+=maxnum;
}
printf("%d\n",sum);
return 0;
}
- 钱币找零问题
有1元、5元、10元、50元、100元、500元的硬币各C1, C5, C10, C50, C100, C500枚。现在要用这些硬币来支付A元,最少需要多少枚硬币?若有解,输出最少硬币数;否则输出“-1”(0<=C1, C5, C10, C50, C100, C500<=109,0<=A<=109)
【分析】凭直觉,我们可以优先使用面值大的硬币(在这里是500、100、50、10、5、1)
#include <iostream>
using namespace std;
int A;
int ans=0; //所需硬币总数
int ret[6]={0}; //所需每种硬币的数量
int moneycnt[6];//现有6种硬币的数量
int moneyval[6]={1,5,10,50,100,500};//每种硬币的面值
int main()
{
int i;
int temp;
cin>>A;
for(i=0;i<6;i++)
cin>>moneycnt[i];
//贪心策略:优先选择面值大的硬币
for(i=5;i>=0;i--)
{
//temp记录使用硬币i的枚数,注意不能超过moneycnt[i]
temp=min(A/moneyval[i],moneycnt[i]);
//剩余支付金额
A-=(temp*moneyval[i]);
//使用硬币i的枚数+temp
ret[i]+=temp;
//已使用的硬币数+temp
ans+=temp;
}
//A>0表示无法用现有硬币支付A元,故输出-1
if(A>0)
cout<<"-1"<<endl;
//其它情况:可完成支付
else
{
//最少硬币数
cout<<ans<<endl;
//每种硬币需要的数量
for(i=0;i<6;i++)
cout<<moneyval[i]<<"元:"<<ret[i]<<endl;
}
return 0;
}
-
“背包”相关问题
(Ⅰ)最优装载问题
有n个物体,第i个物体的重量为wi(wi为正整数)。选择尽量多的物体,使得总重量不超过C。
【分析】由于只关心选择的物品的最大数量(而不是最大重量,最大重量需要考虑DP),所以装重的物体没有装轻的物体划算。这里只需对n个物体按重量递增排序,依次选择每个物体直到装不下为止。
这是一种典型的贪心算法,它只顾眼前,却能得到最优解。
#include <iostream>
#include <cstdio>
#include <algorithm>
using namespace std;
const int maxn=1005;
int n,C; //n个物体 最大载重量C
int w[maxn]; //第i种物品的重量
int main()
{
int i;
int ans=0,sum=0; //ans-选择的物品数 sum-当前物品总装量
scanf("%d",&n);
for(i=0;i<n;i++)
scanf("%d",&w[i]);
scanf("%d",&C);
//按物品重量递增排序
sort(w,w+n);
for(i=0;i<n;i+&