一、贪心算法

        贪心算法总是做出当前最好的选择，期望通过局部最优选择得到全局最优的解决方案。贪心算法正是"活在当下，看清楚眼前”的算法，从问题的初始解开始，一步步地做出当前最好的选择，逐步逼近问题的目标，尽可能得到最优解；即使得不到最优解，也可以得到最优解的近似解。

        但是贪心算法并不是从整体最优来考虑的，它所做出的选择只是某种意义上的局部最优。

1、贪心本质

        我们在遇到具体问题时，往往分不清对哪些问题可以用贪心算法，对哪些问题不可以用贪心算法。实际上，如果问题具有两个特性：贪心选择性质和最优子结构性质，则可以用贪心算法。 

1.  贪心选择性质：原问题的整体最优解可以通过一系列局部最优的选择得到；

2. 最优子结构性质：当一个问题的最优解包含其子问题的最优解。

2、最优装载

 

package 贪心算法;

import java.util.Arrays;

public class 古董装箱 {

	public static void main(String[] args) {
		double a[]= {1.4,5,7,18.1,6.7,9.5,7,4,5,8,12,3,4,5,5,6,4};//各个商品的重量
		Arrays.sort(a);
		int b=a.length;//商品的数量
		int c=30;//船的载重
		double tmp=0.0;//tmp：已装载到船上的古董的重量
		int ans=0;//ans:已装载古董的个数
		for(int i=0;i<b;i++) {
			tmp=tmp+a[i];
			if(tmp<=c) {
				ans++;
			}
			else {
				break;
			}
		}
		System.out.println("装载的产品数量："+ans);
		// TODO 自动生成的方法存根

	}

}

 

算法分析：

• 时间复杂度：按古董重量排序并调用sort函数，其平均时间复杂度为O(nlogn),输入和贪心策略求解的两个for语句的时间复杂度均为0("),因此总时间复杂度为C»(nlogn)o
• 空间复杂度：在程序中使用了 tmp、ans等辅助变量，空间复杂度为0(1)。