java贪心算法（含例题代码详解）

目录

一：贪心算法的定义

二：贪心问题的解题步骤

三：贪心与动态规划

四：贪心的例题

---

一：贪心算法的定义

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，只做出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。

二：贪心问题的解题步骤

1.建立数学模型来描述问题；
2.把求解的问题分成若干个子问题；
3.对每一子问题求解，得到子问题的局部最优解；
4.把子问题的局部最优解合成原来问题的一个解。

三：贪心与动态规划

如果大家比较了解动态规划，就会发现它们之间的相似之处。最优解问题大部分都可以拆分成一个个的子问题，把解空间的遍历视作对子问题树的遍历，则以某种形式对树整个的遍历一遍就可以求出最优解，大部分情况下这是不可行的。贪心算法和动态规划本质上是对子问题树的一种修剪，两种算法要求问题都具有的一个性质就是子问题最优性(组成最优解的每一个子问题的解，对于这个子问题本身肯定也是最优的)。动态规划方法代表了这一类问题的一般解法，我们自底向上构造子问题的解，对每一个子树的根，求出下面每一个叶子的值，并且以其中的最优值作为自身的值，其它的值舍弃。而贪心算法是动态规划方法的一个特例，可以证明每一个子树的根的值不取决于下面叶子的值，而只取决于当前问题的状况。换句话说，不需要知道一个节点所有子树的情况，就可以求出这个节点的值。由于贪心算法的这个特性，它对解空间树的遍历不需要自底向上，而只需要自根开始，选择最优的路，一直走到底就可以了。

四：贪心的例题

代码展示：贪心算法 就是一步一步的最优解之和

package greedy;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.HashSet;

public class Greedy {
	public static void main(String[] args) {
		//ArrayList中存放城市集合
		ArrayList arrayList = new ArrayList<>();
		arrayList.add("北京");
		arrayList.add("上海");
		arrayList.add("天津");
		arrayList.add("广州");
		arrayList.add("深圳");
		arrayList.add("成都");
		arrayList.add("杭州");
		arrayList.add("大连");
		
		
		HashSet area1 = new HashSet<>();
		area1.add("北京");
		area1.add("上海");
		area1.add("天津");
		
		HashSet area2 = new HashSet<>();
		area2.add("广州");
		area2.add("北京");
		area2.add("深圳");
		
		HashSet area3 = new HashSet<>();
		area3.add("成都");
		area3.add("上海");
		area3.add("杭州");
		
		HashSet area4 = new HashSet<>();
		area4.add("上海");
		area4.add("天津");
		
		HashSet area5 = new HashSet<>();
		area5.add("杭州");
		area5.add("大连");		
		//电台所覆盖城市的范围
		HashMap> broadcasts = new HashMap<>();
		broadcasts.put("K1", area1);
		broadcasts.put("K2", area2);
		broadcasts.put("K3", area3);
		broadcasts.put("K4", area4);
		broadcasts.put("K5", area5);
		
		
		//用于存储符合要求的电台
		ArrayList keyList = new ArrayList<>();
		//用于存储交际最多的电台
		String key = null;
		//临时存储所覆盖的城市
		HashSet temp = new HashSet<>();
		while(!arrayList.isEmpty()) {
			
			for(String broadcastsKey:broadcasts.keySet()) {
				//先清空
				temp.clear();
				temp.addAll(broadcasts.get(broadcastsKey));
				temp.retainAll(arrayList);
				if(temp.size() > 0 && (key == null || temp.size() > broadcasts.get(key).size())) {
					key = broadcastsKey;
				}
			}
			if(key != null) {
				keyList.add(key);
				arrayList.removeAll(broadcasts.get(key));
				broadcasts.remove(key);
				key = null;
			}
			
		}
		System.out.print(keyList.toString());
	}
}