一、背景
在软考的准备中。遇到了算法。听过来人收。算法研究好了就非常easy,研究不好就认为非常难。于是想着对算法做个总结。由于算法不只在大题中占有15分,并且在选择题中相同也会出现。尤其是考复杂度和各种算法的适用情况,
贪心(目光短浅):就像找男女朋友一样,不求最好。仅仅求合适(可行解)
二、怎样知道在某种情况下用贪心是合适的呢?
贪心策略适用的前提是:局部最优策略能导致产生全局最优解。
实际上。贪心算法适用的情况非常少。一般,对一个问题分析是否适用于贪心算法,能够先选择该问题下的几个实际数据进行分析,就可做出推断。
三、贪心算法实现的基本步骤:
1、候选集合(C)
通过一个候选集合C作为问题的可能解。(终于解均取自于候选集合C)
比如。在找零钱问题中。各种面值的货币构成候选集合。
2、解集合(S)
每完毕一次贪心选择,将一个解放入S,终于获得一个完整解S
3、解决函数(solution)
检查解集合S是否构成问题的完整解。
比如,在找零钱问题中。解决函数是已付出的货币金额恰好等于应付款。
4、选择函数(select)
即贪心策略。这是贪心法的关键,选择出最有希望构成问题的解的对象。(这个选择函数通常和目标函数有关)
比如,在找零钱问题中,贪心策略就是在候选集合中选择面值最大的货币。
5、可行函数(feasible)
检查解集合中增加一个候选对象是否可行。(增加下一个对象后是不是满足约束条件)
比如,在找零钱问题中。可行函数是每一步选择的货币和已付出的货币相加不超过应付款。
四、贪心算法的实现框架
从问题的某一初始解出发;
while (能朝给定总目标前进一步)
{
利用可行的决策,求出可行解的一个解元素;
}
由全部解元素组合成问题的一个可行解;
用C解释例如以下:
<span style="font-size:14px;">Greedy(C) //C是问题的输入集合即候选集合 { S={ }; //初始解集合为空集 while (not solution(S)) //集合S没有构成问题的一个解 { x=select(C); //在候选集合C中做贪心选择 if feasible(S, x) //推断集合S中增加x后的解是否可行 S=S+{x}; C=C-{x}; } return S; } </span>