/*贪心法对已有的信息作出选择,而且一旦作出选择,不管结果如何,选择都不会变化**/
/**贪心法之活动选择问题**/
/**活动选择问题就是要选择出一个由互相兼容的活动组成的最大集合**/
/**递归贪心法**/
int OptimalSubset[100];
int RecursiveActivitySelector(int*s ,int *f,int index,int n){ /*s[0]和f[0]为0,活动开始时间 和结束时间从1开始存储*/
int m=index+1;
static int activity_number=0;
while(m<=n && s[m]<=f[index]) /**寻找开始时间晚于index结束的活动m**/
m++;
if(m<=n){ /**n是假设存在的比m还要晚才能完成的活动
OptimalSubset[activity_number++]=m; /**选择找到的活动
ResursiveActivitySelector(s,f,m,n); /**以活动m的结束时间为基准继续寻找 活动m是具 /**有最早结束时间的活动
}
else
return activity_number;
}
/*迭代贪心算法
int GreedyActivitySelector(int *s,int *f,int n){
int activity_number=0;
OptimalSubset[activity_number++]=1;/**选择活动1**/
int index=1;
int m;
for(m=2;m<=n;m++){
if(s[m]>=f[index]){ //寻找开始时间晚于index结束的活动**/
OptimalSubset[activity++]=m;//选择找到的活动
index=m;
}
}
return activity_number;
}
贪心算法解决揹包问题
int *GreedyKnapsack(int n,int W,int *Weights,float* Values,float *VW){
int i;
/**分配空间及初始化
float*x=(float*)malloc(sizeof(float)*n);
for(i=0;i<n;i++)
if(Weights[i]<=W){ /**如果揹包剩余容量可以装下该物品
x[i]=1;
W=W-Weights[i];
}
else
break;
if(i<n){
x[i]=W/(float)Weights[i];/**如果还有物品可以部分的装入揹包
}
return x;
}