贪心算法详解

应用场景-集合覆盖问题

假设存在下面需要付费的广播台，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"

贪心算法介绍

1) 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

● 

2) 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

 

 

贪心算法最佳应用-集合覆盖

2) 思路分析 :

使用贪婪算法，效率高 :

目前并没有算法可以快速计算得到准备的值， 使用贪婪算法，则可以得到非常接近的解，并且效率高。选择策略上，因为需要覆盖全部地区的最小集合:

1) 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）

2) 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。

3) 重复第 1 步直到覆盖了全部的地区

贪心算法注意事项和细节

●

(1) 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

(2) 比如上题的 算法选出的是 K1, K2, K3, K5 ，符合覆盖了全部的地区

(3) 但是我们发现 K2, K3,K4,K5 也可以覆盖全部地区，如果 K2 的使用成本低于 K1, 那么我们上题的 K1, K2, K3, K5 虽然是满足条件，但是并不是最优的 .

●

●

代码演示：

package com.liu.greedy;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.HashSet;

public class Greedy {
	public static void main(String[] args) {
		//创建广播电台,放入到Map
				HashMap<String,HashSet<String>> broadcasts = new HashMap<String, HashSet<String>>();
				//将各个电台放入到broadcasts
				HashSet<String> hashSet1 = new HashSet<String>();
				hashSet1.add("北京");
				hashSet1.add("上海");
				hashSet1.add("天津");
				
				HashSet<String> hashSet2 = new HashSet<String>();
				hashSet2.add("广州");
				hashSet2.add("北京");
				hashSet2.add("深圳");
				
				HashSet<String> hashSet3 = new HashSet<String>();
				hashSet3.add("成都");
				hashSet3.add("上海");
				hashSet3.add("杭州");
				
				
				HashSet<String> hashSet4 = new HashSet<String>();
				hashSet4.add("上海");
				hashSet4.add("天津");
				
				HashSet<String> hashSet5 = new HashSet<String>();
				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);
				
				//allAreas 存放所有的地区
				HashSet<String> allAreas = new HashSet<String>();
				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");
				
				//创建ArrayList, 存放选择的电台集合
				ArrayList<String> selects = new ArrayList<String>();
				
				//定义一个临时的集合， 在遍历的过程中，存放遍历过程中的电台覆盖的地区和当前还没有覆盖的地区的交集
				HashSet<String> tempSet = new HashSet<String>();
				
				//定义给maxKey ， 保存在一次遍历过程中，能够覆盖最大未覆盖的地区对应的电台的key
				//如果maxKey 不为null , 则会加入到 selects
				String maxKey = null;
				while(allAreas.size() != 0) { // 如果allAreas 不为0, 则表示还没有覆盖到所有的地区
					//每进行一次while,需要
					maxKey = null;
					
					//遍历 broadcasts, 取出对应key
					for(String key : broadcasts.keySet()) {
						//每进行一次for
						tempSet.clear();
						//当前这个key能够覆盖的地区
						HashSet<String> areas = broadcasts.get(key);
						tempSet.addAll(areas);
						//求出tempSet 和   allAreas 集合的交集, 交集会赋给 tempSet
						tempSet.retainAll(allAreas);
						//如果当前这个集合包含的未覆盖地区的数量，比maxKey指向的集合地区还多
						//就需要重置maxKey
						// tempSet.size() >broadcasts.get(maxKey).size()) 体现出贪心算法的特点,每次都选择最优的
						if(tempSet.size() > 0 && 
								(maxKey == null || tempSet.size() >broadcasts.get(maxKey).size())){
							maxKey = key;
						}
					}
					//maxKey != null, 就应该将maxKey 加入selects
					if(maxKey != null) {
						selects.add(maxKey);
						//将maxKey指向的广播电台覆盖的地区，从 allAreas 去掉
						allAreas.removeAll(broadcasts.get(maxKey));
					}
					
				}
				
				System.out.println("得到的选择结果是" + selects);//[K1,K2,K3,K5]
				
				
				
			}
	}