/*貪心法對已有的信息作出選擇，而且一旦作出選擇，不管結果如何，選擇都不會變化**/
/**貪心法之活動選擇問題**/
/**活動選擇問題就是要選擇出一個由互相兼容的活動組成的最大集合**/
/**遞歸貪心法**/
int OptimalSubset[100];
int RecursiveActivitySelector(int*s ,int *f,int index,int n){ /*s[0]和f[0]爲0，活動開始時間 和結束時間從1開始存儲*/
int m=index+1;
static int activity_number=0;
while(m<=n && s[m]<=f[index]) /**尋找開始時間晚於index結束的活動m**/
m++;
if(m<=n){ /**n是假設存在的比m還要晚才能完成的活動
OptimalSubset[activity_number++]=m; /**選擇找到的活動
ResursiveActivitySelector(s,f,m,n); /**以活動m的結束時間爲基準繼續尋找 活動m是具 /**有最早結束時間的活動
}
else
return activity_number;
}
/*迭代貪心算法
int GreedyActivitySelector(int *s,int *f,int n){
int activity_number=0;
OptimalSubset[activity_number++]=1;/**選擇活動1**/
int index=1;
int m;
for(m=2;m<=n;m++){
if(s[m]>=f[index]){ //尋找開始時間晚於index結束的活動**/
OptimalSubset[activity++]=m;//選擇找到的活動
index=m;
}
}
return activity_number;
}
貪心算法解決揹包問題
int *GreedyKnapsack(int n,int W,int *Weights,float* Values,float *VW){
int i;
/**分配空間及初始化
float*x=(float*)malloc(sizeof(float)*n);
for(i=0;i<n;i++)
if(Weights[i]<=W){ /**如果揹包剩餘容量可以裝下該物品
x[i]=1;
W=W-Weights[i];
}
else
break;
if(i<n){
x[i]=W/(float)Weights[i];/**如果還有物品可以部分的裝入揹包
}
return x;
}