贪婪算法简单总结

贪婪算法的简单总结：

贪婪算法就是每步都采取最优的做法，也就是说每步都选择局部最优解，最终得到的就是全局最优解

贪婪算法并非适用于任何情况，但它却易于实现

有时候可以使用贪婪算法作为近似算法

评价近似算法的优劣标准：

1. 速度有多快。

2. 得到的近似解与最优解的接近程度。

 

举例：

集合覆盖问题，假设你办了个广播节目，要让全美50个州的听众都能收听到。为此你需要决定在哪些广播台播出，在每个广播台播出都需要支付费用，因此你力图在尽可能少的广播台播出。

 

贪婪算法作为近似算法，步骤如下：

1. 选出这样一个广播台，即它覆盖了最多的未覆盖州。即便这个广播台覆盖了一些已覆盖的州，也没有关系。

2. 重复第一步，直到覆盖了所有的州。

 

 

 

1 states_needed = set(['mt','wa','or','id','nv','ut','ca','az'])   2 final_stations = set()   3 stations = {}   4 stations['kone'] = set(['id','nv','ut'])   5 stations['ktwo'] = set(['wa','id','mt'])   6 stations['kthree'] = set(['or','nv','ca'])   7 stations['kfour'] = set(['nv','ut'])   8 stations['kfive'] = set(['ca','az'])   9  10 while states_needed:  11     best_station = None  12     states_covered = set()  13     for station,states in stations.items():  14         covered = states_needed & states  15         if len(covered) > len(states_covered):  16             best_station = station  17             states_covered = covered  18  19     states_needed -= states_covered  20     final_stations.add(best_station)  21  22 print(final_stations)

代码解释：