【算法】贪心算法

最新推荐文章于 2024-10-20 22:30:27 发布

MikeC.

最新推荐文章于 2024-10-20 22:30:27 发布

阅读量656

点赞数

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/MikeC18/article/details/112427544

概念&&介绍

贪心算法是指，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，算法得到的是在某种意义上的局部最优解。所以说只有证明局部最优解在全局最优解序列中，才能通过贪心算法得到问题的全局最优解。也就是说选择的贪心策略必须具备无后效性，即某个状态以后的过程不会影响以前的状态，只与当前状态有关。所以对所采用的贪心策略一定要仔细分析其是否满足无后效性。

如图0.0所示，我们从 $s$ 点出发到达点 $e$ ，如果我们想要在经过的路径中累计数值最大，我们可以采取在每个分支处选择数值最大的点的贪心策略。但显然我们会选择 $99\rightarrow1\rightarrow1$ 的路径，但实际上正解是路径 $1\rightarrow99\rightarrow99$ ，这是由于我们的选择是具有后效性的，当前选择的点会影响到后面可选择的点，所以会导致我们不能得到全局最优解。

图0.0

如图0.1所示，我们选择三次，每次从两点中选择一个点并累加它的数值，如果我们想要使累计的数值最大，我们可以选择三次点 $99$ ，并且我们最后得出的解是正解。这是由于我们的选择不具有后效性，当前选择的点并不会影响到后面可选择的点，所以我们可以得到全局最优解。

图0.1

算法流程

把求解的问题分成若干个子问题。
对每一子问题求解，得到子问题的局部最优解。
把子问题的解局部最优解合成原来解问题的一个解。

适用问题

局部最优策略能导致产生全局最优解。或者将贪心算法进行修改以求出全局最优解

深入理解&&例题

如果前面的两个小例子不能使你透彻地理解贪心算法，那么我们可以来看看下面的几个小例题，通过它们来深入理解贪心算法以及贪心算法使用的场景。

删数问题

读入一个高精度整数 $n$ ，去掉其中 $s$ 个数字后剩下的数字按照原来的次序组成一个新的正整数。寻求一种方案，使得最后组成的数最小。

分析题目，我们可以设计一种贪心策略：进行 $s$ 轮删数，每轮删除最大的一个数，如果数值相同则删除靠前的一个。

我们可以对这个贪心策略进行证明：每轮删除的数字并不会影响后面可删除的数字，因此这种贪心策略不具有后效性，且 $s$ 次删数后剩余所有数字组成的数即为问题的可行解，因此这种贪心策略可行。

#include<bits/stdc++.h>
using namespace std;
int s,len;
char n[241];
int main(){
	cin>>n;
	cin>>s;
	len=strlen(n);
	while(s--){
		int p,q;
		p=0,q=n[0];
		for(int i=1;i<len;i++){
			if(n[i]>q){
				q=n[i];
				p=i;
			}
		}//找到目标数
		for(int i=p+1;i<len;i++){
			n[i-1]=n[i];
		}
		len--;//删数
	}
	for(int i=0;i<len;i++){
		cout<<n[i];
	}
	return 0;
}

均分纸牌

如图3.0所示，有 $n$ 堆纸牌，编号分别为 $1, 2, 3, . . ., n$ 。每堆上有若干张，但纸牌总数必为 $n$ 的倍数。可以在任一堆上取若于张纸牌，然后移动。移牌规则：编号为 $1$ 堆上取的纸牌，只能移到编号为 $2$ 的堆上；编号为 $n$ 的堆上取的纸牌，只能移到编号为 $n - 1$ 的堆上；其他堆上取的纸牌，可以移到相邻左边或右边的堆上。现在要求找出一种移动方法，用最少的移动次数使每堆上纸牌数都一样多。

分析题目，我们可以得知：要想使移动次数最少，就要把移动的浪费降到最低。例如在相邻的两堆间移动 $\ge2$ 次就是一种浪费，因为这 $\ge2$ 次移动都可以合并成 $\le1$ 次。

图3.0

因此，我们可以采用移动一次使得一堆牌数达到平均值的贪心策略：先把每堆的牌数减去平均数，然后由左而右的顺序移动纸牌。若第 $i$ 堆纸牌的张数 $a [i]$ 不为 $0$ ，则将值移动到下一堆。如图3.1所示，所有堆的纸牌平均数为 $6$ ，我们可以先将每堆减掉平均数。

图3.1

然后遍历每堆纸牌，如图3.2所示，纸牌数不为 $0$ 则向下一堆移动，每次移动将移动次数 $+ 1$ ，最后得到图3.3。

图3.2

这种贪心策略类似于“把不足平均值的责任推给下一堆，直至多于平均值的纸牌堆来弥补”。通过求解两个纸牌堆之间的最优子解，把所有子解合并得到问题的一个可行解。

#include<bits/stdc++.h>
using namespace std;
int n,a[101],sum,ans;
int main(){
	scanf("%d",&n);
	for(int i=1;i<=n;i++){
		scanf("%d",&a[i]);
		sum+=a[i];
	} 
	sum/=n;
	for(int i=1;i<=n;i++){
		a[i]-=sum;
	} 
	for(int i=1;i<=n;i++){
		if(a[i]!=0){
			a[i+1]+=a[i];
			ans++;
		}
	}
	printf("%d\n",ans);
	return 0;
}

糖果传递

有 $n$ 个小朋友坐成一圈，每人有 $a [i]$ 个糖果。每人只能给左右两人传递糖果。每人每次传递一个糖果代价为 $1$ 。求使所有人获得均等糖果的最小代价。

和均分纸牌类似，现在假设编号为 $i$ 的人初始有 $a [i]$ 个糖果。对于 $1$ 号来说，他给了 $n$ 号 $x [1]$ 个糖果，还剩 $a [1] - x [1]$ 个；但是因为 $2$ 号给了他 $x [2]$ 个糖果，所以最后还剩 $a [1] - x [1] + x [2]$ 个糖果。根据题设，该金币数等于 $m$ 。换句话说，我们得到了一个方程： $m = a [1] - x [1] + x [2]$ 。

同理，对于第 $2$ 个人，有 $m = a [2] - x [2] + x [3]$ 。最终，我们可以得到 $n$ 个方程，一共 $n$ 个变量，是不是可以直接解方程组了呢？很可惜，还不行。因为从前 $n - 1$ 个方程可以推导出最后一个方程。所以，实际上只有 $n - 1$ 个方程是有用的。

尽管无法直接解出答案，我们还是可以尝试着用 $x [1]$ 表示出其他的 $x [i]$ ，则本题就变成了单变量的极值问题。

对于第 $1$ 个人， $a[1]-x[1]+x[2]=m\rightarrow x[2]=m-a[1]+x[1]=x[1]-c[1]$ （令 $c [1] = a [1] - m$ ，下面类似）
对于第 $2$ 个人， $a[2]-x[2]+x[3]=m\rightarrow x[3]=m-a[2]+x[2]=2m-a[1]-a[2]+x[1]=x[1]-c[2]$ （ $c [2] = c [1] + a [2] - m$ ）
对于第 $3$ 个人， $a[3]-x[3]+x[4]=m\rightarrow x[4]=m-a[3]+x[3]=3m-a[1]-a[2]-a[3]+x[1]=x[1]+c[3]$
…

对于第 $1$ 个人， $a [n] - x [n] + x [1] = m$ 。这是一个多余的等式，并不能给我们更多的信息。我们希望所有的 $x [i]$ 的绝对值之和尽量小，即 $∣ x [1] ∣ + ∣ x [1] - c [1] ∣ + ∣ x [1] - c [2] ∣ + . . . + ∣ x [1] - c [n] - 1 ∣$ 要最小。注意到 $∣ x [i] - c [i] ∣$ 的集合意思是数轴上点 $x [i]$ 到 $c [i]$ 的距离，所以问题变成了：给定数轴上的 $n$ 个点，找出一个到它们的距离之和尽量小的点。

结论：给定数轴上的 $n$ 个点，在数轴上的所有点中，中位数离所有顶点的距离之和最小。凡是能转化为这个模型的题目都可以用中位数求解。

#include<bits/stdc++.h>
#define maxn 1000001
using namespace std;
int n,a[maxn];
long long c[maxn],sum,ans;
int main(){
	scanf("%d",&n);
	for(int i=1;i<=n;i++){
		scanf("%d",&a[i]),sum+=a[i];
	} 
	sum/=n;
	for(int i=1;i<=n;i++){
		c[i]+=sum-a[i]+c[i-1];
	} 
	sort(c+1,c+n+1);
	int mid=c[n/2];
	for(int i=1;i<=n;i++){
		ans+=abs(mid-c[i]);
	} 
	printf("%lld",ans);
	return 0;
}