[数据结构与算法]贪心算法（原理+代码）

博主介绍：✌专研于前后端领域优质创作者、本质互联网精神开源贡献答疑解惑、坚持优质作品共享、掘金/腾讯云/阿里云等平台优质作者、擅长前后端项目开发和毕业项目实战，深受全网粉丝喜爱与支持✌有需要可以联系作者我哦！

精彩专栏推荐订阅 不然下次找不到哟

目录

一、什么是贪心算法

贪心算法的一般流程如下：

二、常见应用算法

Prim算法：贪心算法的一种常见应用是Prim算法。Prim算法的基本思想是从一个初始顶点开始，每次选择一条边，将一个新的顶点纳入生成树中，直到所有的顶点都被纳入生成树。

活动选择问题（Activity Selection Problem）：

三、小结：

最后欢迎三连点赞、关注、收藏哦！ 

一、什么是贪心算法

贪心算法（Greedy Algorithm）是一种在每一步选择中都采取当前状态下最优解的策略，希望通过一系列局部最优的选择最终达到全局最优。贪心算法通常用于优化问题，其中在每个阶段都做出局部最优的选择，希望通过这种方式达到全局最优解。

贪心算法的主要特点是它对解的选择没有显式的规定，而是通过一系列的局部选择来达到整体最优。每一步都选择当前状态下的最优解，而不考虑未来的影响。 

贪心算法的一般流程如下：

1. 问题建模： 将问题抽象成一系列的局部最优选择。
2. 选择策略： 确定每一步的选择策略，即如何在当前状态下做出最优的选择。
3. 解决问题： 通过贪心策略逐步解决问题，直到达到全局最优解或者近似最优解。

虽然贪心算法在一些问题中非常有效，但并不是所有问题都适合使用贪心算法。在某些情况下，贪心算法可能无法得到全局最优解，因为它不进行回溯。因此，在使用贪心算法时，需要仔细分析问题的特性，确保贪心策略能够达到预期的最优解。典型的贪心算法应用包括最小生成树、单源最短路径、任务调度等。

二、常见应用算法

Prim算法：贪心算法的一种常见应用是Prim算法。Prim算法的基本思想是从一个初始顶点开始，每次选择一条边，将一个新的顶点纳入生成树中，直到所有的顶点都被纳入生成树。

#include 
#include 
using namespace std;

#define V 5  // 顶点数

int minKey(int key[], bool mstSet[]) {
    int min = INT_MAX, min_index;

    for (int v = 0; v < V; v++) {
        if (!mstSet[v] && key[v] < min) {
            min = key[v];
            min_index = v;
        }
    }

    return min_index;
}

void printMST(int parent[], int graph[V][V]) {
    cout << "Minimum Spanning Tree (Prim):" << endl;
    for (int i = 1; i < V; i++)
        cout << "Edge: " << parent[i] << " - " << i << " Weight: " << graph[i][parent[i]] << endl;
}

void primMST(int graph[V][V]) {
    int parent[V];
    int key[V];
    bool mstSet[V];

    // 初始化所有键值为无穷大，都未包含在生成树中
    for (int i = 0; i < V; i++) {
        key[i] = INT_MAX;
        mstSet[i] = false;
    }

    // 选择第一个顶点作为起始点
    key[0] = 0;
    parent[0] = -1;

    for (int count = 0; count < V - 1; count++) {
        int u = minKey(key, mstSet);

        mstSet[u] = true;

        for (int v = 0; v < V; v++) {
            if (graph[u][v] && !mstSet[v] && graph[u][v] < key[v]) {
                parent[v] = u;
                key[v] = graph[u][v];
            }
        }
    }

    printMST(parent, graph);
}

int main() {
    int graph[V][V] = { {0, 2, 0, 6, 0},
                        {2, 0, 3, 8, 5},
                        {0, 3, 0, 0, 7},
                        {6, 8, 0, 0, 9},
                        {0, 5, 7, 9, 0} };

    primMST(graph);

    return 0;
}

执行结果：

活动选择问题（Activity Selection Problem）：

假设有一个教室，需要安排一系列活动，每个活动都有一个开始时间和结束时间。活动之间不能重叠，即同一时间教室只能进行一个活动。目标是选择尽可能多的活动，使得它们不会相互冲突，即在给定时间内进行尽可能多的非重叠活动。 

C++代码：

#include 
#include 
#include 

using namespace std;

// 首先声明一个活动结构体，包含活动开始时间和结束时间两个变量
struct Activity {
    int start, finish;
};

// 按照活动结束时间升序排序的比较函数
bool compare(Activity a, Activity b) {
    return (a.finish < b.finish);
}

// 贪心算法解决活动选择问题
void printMaxActivities(Activity activities[], int n) {
    // 按照结束时间升序排序
    sort(activities, activities + n, compare);

    cout << "Selected Activities:\n";

    // 第一个活动总是被选中
    int i = 0;
    cout << "(" << activities[i].start << ", " << activities[i].finish << "), ";

    // 遍历剩余活动
    for (int j = 1; j < n; j++) {
        // 如果当前活动的开始时间大于等于上一个选中活动的结束时间，选择当前活动
        if (activities[j].start >= activities[i].finish) {
            cout << "(" << activities[j].start << ", " << activities[j].finish << "), ";
            i = j;
        }
    }
}

int main() {
    // 示例活动数据（活动开始实践和结束时间）
    Activity activities[] = {{1, 2}, {3, 4}, {0, 6}, {5, 7}, {8, 9}, {5, 9}};
    int n = sizeof(activities) / sizeof(activities[0]);

    // 调用贪心算法解决活动选择问题
    printMaxActivities(activities, n);

    return 0;
}

活动按照结束时间升序排序，然后使用贪心算法选择尽可能多的不重叠活动。这个算法的时间复杂度为O(n log n)，其中n是活动的数量。 

执行结果：

三、小结：

1. 基本思想：

• 贪心算法是一种在每一步选择中都采取当前状态下最优解的策略，希望通过一系列局部最优的选择达到全局最优。
• 贪心策略通常不进行回溯，一旦做出选择就不再改变。

2. 适用条件：

• 问题具有最优子结构性质：问题的最优解可以通过子问题的最优解推导得到。
• 贪心选择性质：每一步的选择都是当前状态下的最优解，即局部最优。

3. 过程步骤：

• 建模： 将问题抽象成一系列局部最优的选择。
• 选择策略： 确定每一步的选择策略，即如何在当前状态下做出最优的选择。
• 解决问题： 通过贪心策略逐步解决问题，直到达到全局最优解或者近似最优解。

4. 优缺点：

• 优点： 算法简单、高效，适用于一些问题，尤其是最优子结构和贪心选择性质明显的情况。
• 缺点： 不适用于所有问题，可能得不到全局最优解，只能得到局部最优解或者近似最优解。

5. 注意事项：

• 贪心算法的适用性需要仔细分析问题的性质，确保贪心策略能够达到预期的最优解。
• 在一些问题中，贪心算法可以作为求解问题的一部分，而不是整个问题的解决方案。

最后欢迎三连点赞、关注、收藏哦！