本文主要作爲自己的學習筆記,並不具備過多的指導意義。
概述
貪心算法通常用來求解最優問題
-
由局部最優解到整體最優解
通過不斷對局部最優進行操作,最終達到整體最優
-
無後效性
後序操作,不會出現數據狀態的回滾
-
和DP(動態規劃)之間的聯繫
很多貪心問題可以通過DP進行求解
最優裝載問題
- 給出N個物體,第一個物體重量爲Mi
- 儘量選擇最多的物品,總重不超過C
先將物品按照質量排序,然後依次放入每個物品,直到總重量將超過C位置。
這裏依次將剩餘物品中質量最小的物品放入的過程,就是貪心的過程。
合併果子
一類總過程代價,取決於子過程代價的問題
- 有N堆果子,沒堆果子的數量爲Ai,每次可以將兩堆果子合併,每次合併將消耗兩堆果子總數的體力。
- 求最小消耗的體力
- 1<N<10000
首先,如果我們什麼都不管直接兩兩合併:總計消耗48點體力
然後,我們嘗試排序後兩兩合併:總計消耗44點體力
最後,我們嘗試只將當前所有數據中最小的兩個進行合併:總計消耗38點體力
解法
構建一個小根堆,每次從堆頂推出兩個元素合併。並且將合併都的元素追加進小根堆中即可。
具體證明的過程有一定難度,可以參考哈夫曼編碼證明的過程。
以上的操作過程,也就是貪心的過程。他只保證單次合併所消耗的體力最優,而不在意其他的數據該如何合併。
堆結構往往用來解決貪心的問題。因爲貪心問題往往需要一個明確的指標,最大值或者最小值。
項目利潤
輸入:
cost[]:每個項目的花費
profits[]:每個項目的利潤(純利潤)
k:最多能做k個項目
w:表示初始資金
輸出:
最後可以獲得的最大錢數
說明:一次只能做一個項目,且做完一個之後馬上就能獲得收益,可以支持做下一個項目
- 將
cost
與profits
中的元素依次合併成一個新的節點node
:
public class Node {
public var c :Int //項目花費
public var p :Int //項目利潤
public init(cost:Int,profit:Int) {
self.c = cost
self.p = profit
}
}
- 準備一個以
項目花費
構建的小根堆
將所有node
依次放入
- 準備一個以
項目利潤
構建的大根堆
貪心過程:
-
從小根堆中依次彈出堆頂元素,直到
node.c>w
(項目所需資金大於當前資金)具體代碼上,將
小根堆數組removeFirs
t,然後將arr[0]與arr[arr.count-1]位置交換
。讓小根堆對arr[0]位置元素向下調整
即可。 -
將小根堆中彈出的元素放入大根堆中(大根堆中即爲當前可執行的項目)
具體代碼上,將元素追加進大根堆數組末尾,並進行調整即可。
-
從大根堆中彈出堆頂元素,並將
w += node.p
(執行收益最大的項目,並且更新當前資金)具體代碼上與第一步類似
該貪心過程總計執行k次,每一次執行都只需要關心小根堆中最小值,與大根堆中最大值即可。最後的w即爲最大總資產。
會議安排
在優先的時間內安排數量最多的會議
做一張圖可以直觀表示過程:
我們將藍色表示爲待安排
,紅色表示爲已安排
,黑色表示爲不可安排
我們可以嘗試幾種不同的貪心策略
- 每次選擇持續時間最短的安排
顯然不可行
- 每次選擇開始時間最早的
顯然也不可行
- 每次選擇開始時間最早的並且持續時間最短的來安排
由此可見該方案是可以行的
代碼也很簡單,只需要關心當前有效數據內開始時間晚於當前會議結束時間
的結束時間最早
的一個數據即可。
func bestArrange(programs:[Program]) -> Int {
program.sort("end")//根據program.end進行排序
var res = 0
var current = 0
for p in programs {
if p.current > current { //開始時間晚於當前時間,否則作廢
res += 1
current = p.end //開會,當前時間變成會議結束時間
}
}
return res
}
貪心策略的證明
貪心策略的數學證明通常很複雜,有能力可以去翻閱
這裏推薦一種很方便的方式,對數器。
通過小樣本大樣本量的測試,證明貪心策略的正確性。
以排序算法的證明舉例
var checkOK = true
for i in 0..<10000 {
var arr1 = generateRandomArray(size: 5, value: 20) //獲取一個長度爲10,最大值爲20的隨機數數組
var arr2 = arr1 //數組在swift裏屬於值類型,賦值動作會自動copy
let originalArr = arr1
arr1.sort()//一定正確的算法
radixSort(arr: &arr2, maxDigit: 2)
if arr1 != arr2 {
checkOK = false
print(originalArr)
print(arr2)
break
}
}
print(checkOK ? "比對成功":"比對失敗")
對於貪心問題,可能不一定存在一個一定正確的算法。那麼我們完全可以不去比對結果是否一致,只要貪心策略的結果永遠優於默認順序得出的結果即可。
關於對數器的介紹可以參閱另一篇