- 贪心算法:对问题求解时,总是做出在当前看来最好的选择。换句话说,不从整体最优考虑,所作出的时在某种意义上的局部最优解。
- 贪心算法并不保证会得到最优解,但是在某些问题上贪心算法的解就是最优解。要会判断一个问题能否用贪心算法来计算。
- 找零问题:
假设商店老板需要找零元钱,钱币的面额有:100元、50元、20元、5元、1元,如何找零使得所需钱币的数量最少?
t=[100,50,20,5,1]
def change(n,t):
m=[0 for _ in range(len(t))]
for i,money in enumerate(t):
m[i]=n//money
n=n%money
return m,n
- 背包问题
一个小偷在某个商店发现有个商品,第个商品价值v元,重w千克。他希望拿走的价值尽量高,但他的背包最多只能容纳W千克的东西。他应该拿走哪些商品?
0-1背包:对于一个商品,小偷要么把它完整拿走,要么留下。不能只拿走一部分,或把一个商品拿走多次。(商品为金条)
分数背包:对于一个商品,小偷可以拿走其中任意一部分。(商品为金砂)
举例:- 商品1:v1=60 w1=10
- 商品2:v2=100 w2=20
- 商品3:v3=120 w3=30
- 背包容量:W=50
思考:对于0-1背包和分数背包,贪心算法是否都能获得最优解?为什么?
答:分数背包一定可以,但0-1背包不一定。
以上述例子:0-1背包,单位价值1>2>3,但组合2和3的价值比1和2大。不满足贪心算法
分数背包python代码实现
goods=[(60,10),(100,20),(120,30)] #每个商品元组表示(价格,重量)
goods.sort(key=lambda x:x[0]/x[1],reverse=True)
def fractional_backpack(goods,w):
m=[0 for _ in range(len(goods))]
total_v=0
for i,(price,weight) in enumerate(goods):
if w>=weight:
m[i]=1
total_v+=price
w-=weight
else:
m[i]=w/weight
total_v+=m[i]*price
w=0
break
return m,total_v
- 拼接最大数字问题
有个非负整数,将其按照字符串拼接的方式拼接为一个整数。如何拼接可以使得得到的整数最大?
例:32,94,128,1286,6,71可以拼接除的最大整数为94716321286128
from functools import cmp_to_key
li = [32, 94, 128, 1286, 6, 71]
def xy_cmp(x, y):
if x + y > y + x:
return -1
elif x + y < y + x:
return 1
else:
return 0
def number_join(li):
li = list(map(str, li))
li.sort(key=cmp_to_key(xy_cmp))
return ''.join(li)
- 活动选择问题
假设有个活动,这些活动要占用同一片场地,而场地在某时
刻只能供一个活动使用。
每个活动都有一个开始时间S和结束时间f:(题目中时间以整数
表示),表示活动在[Si,fi)区间占用场地。
问:安排哪些活动能够使该场地举办的活动的个数最多?
- 贪心结论:最先结束的活动一定是最优解的一部分。
- 证明:假设a是所有活动中最先结束的活动,b是最优解中最先结束的活动。
- 如果a=b,结论成立。
- 如果a≠b,则b的结束时间一定晚于a的结束时间,则此时用a替换掉最优解中
的b,一定不与最优解中的其他活动时间重叠,因此替换后的解也是最优解。
activities=[(1,4),(3,5),(0,6),(5,7),(3,9),(5,9),(6,10),(8,11),(8,12),(2,14),(12,16)]
#保证活动是按照结束时间排好序的
activities.sort(key=lambda x:x[1])
def activity_selection(a):
res=[a[0]]
for i in range(1,len(a)):
if a[i][0]>=res[-1][1]: 当前活动的开始时间晚于最后一个入选活动的结束时间
#不冲突
res.append(a[i])
return res
print( activity_selection(activities))
共同点:最优化,关键字:最大、最多、最少。