一看就懂的贪心算法

简介：

贪心算法（Greedy Algorithm）是一种在每一步选择中都采取在当前状态下最优或最佳决策的算法。贪心算法基于这样的一个思路：在每一个决策点，我们都选择当前最优的决策，从而希望最终得到一个最优的结果。贪心算法通常用于解决NP完全问题，但是它的正确性并不能保证，因此通常需要其他的算法来验证贪心算法的结果。贪心算法的特点是速度快，实现简单，在某些情况下可以得到比较理想的解。但是，由于贪心算法只关注当前最优解，它不能保证得到全局最优解。因此，在实际应用中，贪心算法需要和其他算法相结合，以得到更加理想的结果。

优点与缺点：

 优点：

1. 简单易实现：贪心算法只需要在每一步计算当前最优选择，而不需要考虑未来状态，因此实现起来非常简单。
2. 时间复杂度低：贪心算法一般具有很好的时间复杂度，这是因为它仅仅需要对当前状态进行一次计算，而不需要对未来状态进行预测。
3. 适用范围广：贪心算法可以应用于许多不同的问题，包括图论、数论等多个领域。

 缺点：

1. 并不一定总是最优：贪心算法仅仅是在当前情况下选择最优的策略，并不能保证得到最优解。
2. 没有考虑所有情况：贪心算法仅仅考虑当前状态，并不能对所有情况进行考虑。
3. 容易陷入局部最优解：因为贪心算法仅仅考虑当前状态，所以很容易陷入局部最优解，而忽略全局最优解。

贪心算法的原理基于贪心策略：

在对问题的所有的子问题的解进行合并时，总是选择最好的子解。也就是说，贪心算法对每一步的决策都是局部最优的，希望通过局部最优决策的累积得到全局最优解。贪心算法的实现需要确定全局最优解的组成部分，并证明这种决策是全局最优决策。然而，由于贪心算法对每一步决策的选择都是局部最优的，因此不能保证最终得到的解一定是全局最优的。

例题：

有一个背包，容量为V，有n个物品，每个物品有一个体积w[i]和一个价值v[i]，问将哪些物品装入背包可使得装入背包中的物品总体积不超过V，且总价值最大。

解决步骤：

1.先将所有物品的价值/体积比进行排序

2.依次选择价值/体积比最大的物品，若装不下则舍弃

3.重复步骤2直到背包装满

代码部分：

#include <iostream>
#include <algorithm>
using namespace std;

const int N = 110;
struct node
{
    double v;
    double w;
    double r;
}a[N];
bool cmp(node a, node b)
{
    return a.r > b.r;
}
int main()
{
    int n, V;
    cin >> n >> V;
    for (int i = 0; i < n; i++)
    {
        cin >> a[i].v >> a[i].w;
        a[i].r = a[i].v / a[i].w;
    }
    sort(a, a + n, cmp);
    double ans = 0;
    for (int i = 0; i < n; i++)
    {
        if (a[i].w <= V)
        {
            ans += a[i].v;
            V -= a[i].w;
        }
        else
        {
            ans += a[i].r * V;
            break;
        }
    }
    cout << ans << endl;
    return 0;
}