贪心算法原理及案例(java)

贪心算法定义

基本概念：

贪心算法指，在对问题求解的时候，总是做出在当前看来是最好的选择。不从整体最优上考虑，是局部最优解。

必须注意的是，贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性，即某个状态以后的过程不会影响以前的状态，只与当前状态有关。

贪心算法的基本思路：

    1. 建立数学模型来描述问题。

    2. 把求解的问题分成若干个子问题。

    3. 对每一子问题求解，得到子问题的局部最优解。

    4. 把子问题的解局部最优解合成原来解问题的一个解。

贪心算法使用的问题：

贪心策略适用的前提是：局部最优策略能导致产生全局最优解[只有这样，才能保证为是全局最优解，否则只能是局部最优解]。

实际上，贪心算法适用的情况很少。一般，对一个问题分析是否适用于贪心算法，可以先选择该问题下的几个实际数据进行分析，就可做出判断

贪心算法找到最优解的条件：

1. 总存在一个以贪心选择为开始的局部最优解（最优解可以由贪心算法算出）
2. 具有最优解性质（原问题最优解可以由子问题最优解算出）

与动态规划算法的比较：

     1.动态规划算法时自底向上，贪心算法是自顶向下

     2.凡是可以用贪心算法解决的问题都可以用动态规划解决

     3.动态规划一定可以找到所有最优解，贪心算法不一定能找到最优解，及时找到，也是部分最优解

贪心算法案例

1. 背包问题 ：有n个物体，第i个物体的重量为wi，价值为vi。在总重量不超过C的情况下让总价值尽量高。求最大总价值

在这道问题中，贪心算法不一定可得到全局最优解，使用动态规划可以得到全局解。

案例代码：

public class BackPack {   //获得的是局部最优解，而不一定为全局最优解
	private int MAX_WEIGHT = 150;
    private int[] weights = new int[]{35,30,60,50,40,10,25};
    private int[] values = new int[]{10,40,30,50,35,40,30};
    public void get_maxWeight() {
    	int length=this.weights.length;
    	double[] rate=new double[length];
    	int[] index=new int[length];
    	for( int i=0;i<length;i++) {    //取得性价比数组
    		rate[i]=this.values[i]*1.0/this.weights[i];
    		index[i]=i;
    	}
    	 for(int i=1;i<length;i++) {   //对性价比数组排序(插入排序比较)
    		 double value=rate[i];
    		 int index_x=index[i];
    		 int j=i-1;
    		 while(j>=0 && rate[j]<value) {
				 rate[j+1]=rate[j];
				 index[j+1]=index[j];
				 j--;
    			 
    		 }
    		 rate[j+1]=value;
    		 index[j+1]=index_x;
    	 }
    	 
    	 int i=0;
    	 int sums=0;
    	 System.out.print("装入的重量为");
    	 while(i<length && MAX_WEIGHT-this.weights[index[i]]>=0) {
    		 sums+=values[i];
    		 this.MAX_WEIGHT-=this.weights[index[i]];
    		 System.out.print(this.weights[index[i]]+" ");
    		 i++;
    		 
    	 }
    	 System.out.println();
    	 System.out.println("最大的价值为"+sums);
    	 
    	 	 
    }
}
class Test{
	public static void main(String args[]) {
		BackPack bp=new BackPack();
		bp.get_maxWeight();

	}
}

2. 最优装载问题 ：给出n个物体，第i个物体重量为wi。选择尽量多的物体，使得总重量不超过C。

案例代码：略(类似于排序算法，再次不做过多说明)

3. 硬币问题  ：是否能取得最优解，在于硬币的种类(1,2,5,10时为最优解；1,2,5,7为局部解)

4. 区间问题及相关问题  

5. 字典序最小问题 

有关的案例参考链接： https://blog.csdn.net/weixin_44107920/article/details/104055176