原文:算法起步之贪心算法
我们前面介绍的动态规划算法是求解最优化问题的一种通用方法,但是对于很多的最优化问题是用动态规划有点小题大做了,我们可以使用贪心算法,贪心算法相比动态规划更简单,也更高效。它总是做出局部最优选择,希望这样可以得到全局的最有选择。所以这种方法不能保证得到最优解,但是很多问题却都可以用这种方法。我们先看一个活动选择的例子。
假设我们有n个活动,只有一个教室,求在这个教室中一天最多可以举办多少活动(同一时间只能举办一个活动)。下面给出的是活动的开始时间跟结束时间。
i序号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
s开始 | 1 | 3 | 0 | 5 | 3 | 5 | 6 | 8 | 8 | 2 | 12 |
f结束 | 4 | 5 | 6 | 7 | 9 | 9 | 10 | 11 | 12 | 14 | 16 |
动态规划解法:
本来想这个用动态规划很简单,看了一下算法导论写的,只写了一个递归的算法,但是递归的效率太低,于是就想写自底向上的,写了一个简单的确发现自己想错了,于是在网上找了很多动态规划解活动选择的问题,都不太满意,都不是按照我想的那样,很多写的算法时间复杂度达到了n的三次方。今天又看了一遍题目,突然写了出来,虽然耽误了很多时间,但是我觉得这比网上其他给的答案还要快一点。
public class DPActity { public void actity(){ Scanner sc=new Scanner(System.in); int[][] map=new int[25][25]; for (int i = 0; i < 11; i++) { map[sc.nextInt()][sc.nextInt()]=1; } for(int i=1;i<map.length;i++){ for(int j=0;j<=i;j++){ if(map[j][i]==1){ map[0][i]=max(map[0][i-1], 1+map[0][j]); }else{ map[0][i]=max(map[0][i-1],map[0][i]); } } } System.out.println(map[0][24]); } public int max(int a,int b){ if(a>b){ return a; }else{ return b; } } public static void main(String[] args) { new DPActity().actity(); } }
虽然这样写的感觉代码也不多,但是如果我们用贪心的做法你会发现非常简单,而且好理解。因为我们的数值倒是按照结束时间排序的,所以一直选择结束时间最短的则获得最优解。在这里选择结束时间最早的活动就是我们的决策点。而贪心算法关键就是在选择决策点上。顺便一提像01背包问题不能用贪心算法来解但是分数背包可以解决。
public void greedy(int[]s,int[]f){ int n=s.length; int k=1; for (int i = 2; i < n; i++) { if (s[i]>=f[k]) { k=i; } } System.out.println(k); }
友情提示:转载请注明出处【作者:idlear 博客:http://blog.csdn.net/idlear】
时间: 2024-08-17 18:35:09