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:
- 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)
- 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
- 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