贪心算法

1、活动安排问题： 设有n个活动E={1,2,...,n}，其中每个活动都要求使用同一资源（如演讲会场等），且在同一时间内只有一个活动能使用这一资源。如果选择了执行活动i，则它在半开的时间区间[s[i],f[i])内占用资源，其中s[i]<f[i]，s[i]为其起始时间，f[i]为其结束时间。若区间[s[i],f[i])与[s[j],f[j])不相交，即s[i]>=f[j]或s[j]>=f[i]，则称活动i与活动j是相容的。活动安排问题就是要在所给的活动集合中选出最大的相容活动子集A。
  用贪心算法求解：
  （1）贪心选择性质：即原问题的最优解可以通过一系列局部最优的选择（称为贪心选择）来达到。这种选择并不依赖于子问题的解，这是与动态规划算法的主要区别，动态规划算法求解时需要用到子问题的解。每次贪心选择都是作出当前状态下的最好选择，原问题就简化为一个规模更小的子问题。
  这里的贪心选择就是每次总是选择具有最早结束时间且相容的活动。设各活动1,2,..,n按结束时间的非减序f[1]<=f[2]<=...<=f[n]排列，如果给出的活动未按此序排列，我们可以用O(nlogn)的时间将它重排。贪心选择从活动1开始，我们需要证明存在一个以贪心选择开始的最优解，并且每作一次贪心选择就将原问题简化为更小的子问题。基本思路是先考察一个全局最优解，然后证明可修改这个最优解，使其以贪心选择开始，选择后将原问题化一个更小的子问题。
  设A是原问题的一个最优解，且A中的活动也按结束时间非减序排列，第一个活动是k。若k=1,则A就是以贪心选择开始的最优解。若k>1，设B=A-{k}并{1}。由于f[1]<=f[k]，且A中活动互为相容，故B中活动也互为相容。又因|B|=|A|且A是最优解，故B也是最优解，且B以贪心选择活动1开始。
  （2）最优子结构性质：即原问题的最优解包含了作出贪心选择后的子问题的最优解。设B是包含活动1的一个原问题最优解，则B的子集C=B-{1}是子问题F={i属于E,且s[i]>=f[1]}的一个最优解。若不然，设D是子问题F的一个最优解，而C不是，则|D|>|C|，D中所有的活动与1相容。由于1不属于F，因此也不属于D。D并{1}是相容活动构成的集合，且元素个数大于B，这与B是原问题的最优解矛盾。
  算法如下：

[cpp]  view plain   copy

1. //f中的元素按非减序排列f[1]<=f[2]<=...<=f[n]  
2. template<class Type>  
3. void GreedySelector(int n,Type s[],Type f[],bool A[]){  
4.     A[1]=true; //选择活动1  
5.     int j=1;  //j表示上一次选择的活动  
6.     for(int i=2;i<=n;i++)  //往后扫描所有的活动  
7.         if(s[i]>=f[j]){ //若当前活动i和已选择的所有活动都相容（因为s[i]>=f[j]>=f[j-1]>=...>=f[1]）  
8.             A[i]=true;  //则选择该活动，将它加入到集合A中