python 贪心算法的实现
程序员文章站
2022-06-22 10:16:56
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,...
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
- 遍历初始集合x中的备选元素
- 利用贪心策略在x中确定一个元素,并将其加入到可行解s中
- 得到可行解s
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 out a = 36 print(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:
- 先将结束时间最短的任务加入到s中,
- 再从剩下的任务的任务中选择结束时间最短的,且判断与s集合中的任务是否相容
- 若不相容,则换下一个时间最短的任务,并进行比较
- 循环,直至x为空。
代码实现
# 任务规划 from collections import ordereddict task = 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 true for 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: continue print(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!
上一篇: 严格次小生成树