时间:2021-05-22
贪心算法
贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解,关键是贪心策略的选择,选择的贪心策略必须具备无后效性,即某个状态以前的过程不会影响以后的状态,只与当前状态有关。
基本思路
思想
贪心算法的基本思路是从问题的某一个初始解出发一步一步地进行,根据某个优化测度,每一步都要确保能获得局部最优解。每一步只考虑一个数据,他的选取应该满足局部优化的条件。若下一个数据和部分最优解连在一起不再是可行解时,就不把该数据添加到部分解中,直到把所有数据枚举完,或者不能再添加算法停止 。
步骤
P即为贪心策略,用来选择符合条件的元素。
例子——硬币找零
假设某国硬币面值有1,5,10,25,100元五种面额,若店员为顾客找零时,需要给顾客找零a=36元,求硬币数最少的情况。
这里我们的贪心策略为:
先找到最接近a的值,然后对a进行更新,然后进行循环。
代码实现
def shortNum(a): coins = [1,5,10,25,100] out = [] coins = coins[::-1] for i in coins: num = a//i out=out+[i,]*num a = a-num*i if a<=0: break return outa = 36print(shortNum(a))例子——任务规划
问题描述:
输入为任务集合X= [r1,r2,r3,...,rn],每个任务ri,都对应着一个起始时间ai与结束时间bi
要求输出为最多的相容的任务集。
如上图,r1与r2相容,r3与r1和r2都不相容。
那么这里的贪心策略我们可以设为:
代码实现
# 任务规划from collections import OrderedDicttask = OrderedDict()task['r1'] = [0,4]task['r2'] = [5,8]task['r3'] = [10,13]task['r4'] = [15,18]task['r5'] = [7,11]task['r6'] = [2,6]task['r7'] = [2,6]task['r8'] = [2,6]task['r9'] = [12,16]task['r10'] = [12,16]task['r11'] = [12,16]task['r12'] = [0,3]listTask = list(task.items())# 根据bi进行排序,结束时间早的在前面(冒泡排序)for i in range(len(listTask)-1): for j in range(len(listTask)-i-1): if listTask[j][1][1] > listTask[j+1][1][1]: listTask[j],listTask[j+1]=listTask[j+1],listTask[j]print(listTask)out = []out.append(listTask.pop(0))def isValid(temp,out): for k in range(len(out)): if temp[1][0]<out[k][1][1]: # 相交 return False return Truefor j in range(len(listTask)): temp = listTask.pop(0) # 判断是否相交 # 相交则continue # 不相交则out.append(temp) for k in range(len(out)): if isValid(temp,out): out.append(temp) # else:continue 语句可以不写 else: continueprint(out)以上就是python 贪心算法的实现的详细内容,更多关于python 贪心算法的资料请关注其它相关文章!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了Python基于贪心算法解决背包问题。分享给大家供大家参考,具体如下:贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择
本文实例讲述了JS使用贪心算法解决找零问题。分享给大家供大家参考,具体如下:前面介绍了JS贪心算法解决背包问题,这里再来看看找零问题的解决方法。在现实生活中,经
贪心算法贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。贪
本文实例讲述了JS基于贪心算法解决背包问题。分享给大家供大家参考,具体如下:贪心算法:在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加
贪心算法原理:在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的仅是在某种意义上的局部最优解。贪心算法不是对所有问题都