数据结构与算法之贪心动态规划

        一：思考

        1.某天早上公司领导找你解决一个问题，明天公司有N个同等级的会议需要使用同一个会议室，现在给你这个N个会议的开始和结束 时间，你怎么样安排才能使会议室最大利用？即安排最多场次的会议？电影的话 那肯定是最多加票价最高的，入场率。综合算法

        2.双十一马上就要来了，小C心目中的女神在购物车加了N个东西，突然她中了一个奖可以清空购物车5000元的东西（不能找零），每个东西只能买一件，那么她应该如何选择物品使之中奖的额度能最大利用呢？如果存在多种最优组合你只需要给出一种即可，嘿嘿 现在女神来问你，你该怎么办？(动态规划)

        二： 贪心算法

        概念：贪心算法又叫做贪婪算法，它在求解某个问题是，总是做出眼前最大利益。 也就是说只顾眼前不顾大局，所以它是局部最优解。核心点：通过局部最优推出全局最优。

        举例：

        1.某天早上公司领导找你解决一个问题，明天公司有N个同等级的会议需要使用同一个会议室，现在给你这个N个会议的开始和结束时间，你怎么样安排才能使会议室最大利用？即安排最多场次的会议？

         现在我们怎么去贪？也就这个我们选择的贪心策略：、

         1.1 选时间最短：1-3，2~4,3~5,4~6

        1.2 按结束时间从小到大排序：首先把第一个加入我们可以开会的列表。之后只要开始时间是大于我们上一个的结束时间的就可以开 （代码如下）

package tx;import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;/*** 贪心算法：1.某天早上公司领导找你解决一个问题，明天公司有N个同等级的会议需要使用同一个会议室，* 	现在给你这个N个会议的开始和结束时间，你怎么样安排才能使会议室最大利用？即安排最多场次的会议？** 	策略：按结束时间从小到大排序：首先把第一个加入我们可以开会的列表。之后只要开始时间是大于我们上一个的结束时间的就可以开* 	核心：排序*/
class Metting implements Comparable<Metting> {int meNum; // 编号int startTime; // 开始时间int endTime; // 结束时间public Metting(int meNum, int startTime, int endTime) {super();this.meNum = meNum;this.startTime = startTime;this.endTime = endTime;}public int compareTo(Metting o) {if (this.endTime > o.endTime)return 1;return -1;}@Overridepublic String toString() {return "Metting [meNum=" + meNum + ", startTime=" + startTime+ ", endTime=" + endTime + "]";}}public class MettingTest {public static void main(String[] args) {Scanner cin = new Scanner(System.in);List<Metting> mettings = new ArrayList<Metting>();int n = cin.nextInt();	//n个会议for (int i = 0 ;i < n; i++){int start = cin.nextInt();int end = cin.nextInt();Metting metting = new Metting(i+1, start, end);mettings.add(metting);}mettings.sort(null);int curTime = 0;		//当前的时间,从一天的0点开始,如果领导要求从8点开始 那curTime=8for(int i = 0 ; i < n; i ++){Metting metting = mettings.get(i);if(metting.startTime >= curTime){		//会议的开始时间比我们当前的要大 表示可以开System.out.println(metting.toString());curTime = metting.endTime;}}}
}

         2.1 贪心算法的核心思想

        贪心算法的套路：一定会有一个排序。哈夫曼编码，贪心算法，压缩算法。最短路径

        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。

         贪心算法其最重要的两个点就是： 贪心策略，排序

通过局部最优解能够得到全局最优解

一般通过以下问题就可以通过贪心算法解决：

                1.针对某个问题有限制值，以及有一个期望的最好结果，通常是从某些数据中选出其中一些，达到最好的结果。

                2.一般会有一个排序，找出贡献最大的。

                3.举例看贪心是否可以解决。 一般用在任务调度，教师排课等系统。 实际上，用贪心算法解决问题的思路，并不总能给出最优解。

        三：动态规划

        经典问题

        背包问题 小偷去某商店盗窃，背有一个背包，容量是5kg，现在有以下物品（物品不能切分,且只有一个），请问小偷应该怎么拿才能得到最大的价值？

5kg的袋子

物品：

钱：6  10  12

Kg：1  2   4

思路：我们把5kg的袋子，拆分成1kg，1kg这样子计算，里面的表格就表示当前重量下能装的最多的钱。表格的数列就表示是要装的物品

	1kg	2kg	3kg	4kg	5kg
加入物品1	6	6	6	6	6
加入物品2	6	10	10+6=16	10+6=16	16
加入物品3	6	10	16	16	18

第一个物品： 袋子只能装1kg的物品，所以价钱为6

第二个物品： 

        袋子当前为1kg 的容量时，我们发现物品2装不进去。那我们应该取多少呢？是不是只要取物品进来时1kg最大钱？

        当袋子为2kg时，我们发现物品2可以装下去，此时可以得到10块钱，之前物品1进来时2kg最大是6吧，那我们肯定要选择大的这个10，而不是6.此时袋子还剩0kg可以装。

        袋子为3kg时，我们还是可以装下这个物品2,得到10块，袋子还剩下1kg。

10+1kg能装的东西。

第三个物品：

        袋子为4kg时，物品3可以转进来，得到12块钱，袋子还剩0kg。

        我发现我不装物品3 还能得到16呢

        袋子为5kg时，物品3可以转进来，得到12块钱，袋子还剩1kg。那么装了物品3就能得到12+6=18块钱

        我发现我不装物品3 能得到16，比18小，所以决定装.。

                                （图解：将数值除以10就是上面的题）

                代码实现

package tx;public class Dp {public static void main(String[] args) {int value [] ={60,100,120};int weigth[] = {10,20,40};	//购物车那个问题 只需要一个价值就行了，重量都都没有。int w = 50;  //代表我可以装的数量int n = 3; //代表三个物品int dp[][] = new int[n+1][w+1];		//n表示是物品，w表示重量,初始化全是0for(int i = 1; i<= n; i++){	//每次加的物品for(int cw = 1 ; cw <= w ; cw ++){		//分割的背包if(weigth[i - 1] <= cw){		//表示这个物品可以装进去dp[i][cw] = Math.max(value[i-1] + dp[i-1][cw-weigth[i-1]],dp[i-1][cw]);}else{dp[i][cw] = dp[i-1][cw];	//不能装}}}System.out.println(dp[n][w]);}
}

四：动归和贪心的比较        

        贪心是只管眼前不会管后的情况，而动归不一样，它的每次递推都是基于上一次的最优解进行。所以往往动归是一定能求出最优解的，而贪心不一定，这也是贪心算法的缺点，但是大家都看到了动归的时间复杂度是O(n*m)而贪心是O(nlogn)，所以贪心算法的是高效的，动归如果子问题太多的话 就容易算不出结果，而且能用动归的问题往往用贪心都能解决一部分，甚至很大一部分。因此如果在实际项目中要求不是特别严的话 我建议使用贪心算法求最优解，其实我们很多时候并不用保证100%的准确，能尽量准确就可以了，贪心恰恰是符合这个规则的。

        五：购物车代码实现

package tx;public class CardDp {public static void main(String[] args) {int weigth[] = {1,2,3,4,5,9};	//购物车那个问题 只需要一个价值就行了，重量都都没有。int w = 8;int n = 6;int dp[][] = new int[n+1][w+1];		//n表示是物品，w表示重量,初始化全是0for(int i = 1; i<= n; i++){	//每次加的物品for(int cw = 1 ; cw <= w ; cw ++){		//分割的背包if(weigth[i - 1] <= cw){		//表示这个物品可以装进去dp[i][cw] = Math.max(weigth[i-1] + dp[i-1][cw-weigth[i-1]],dp[i-1][cw]);}else{dp[i][cw] = dp[i-1][cw];	//不能装}}}System.out.println(dp[n][w]);}
}