标签：bsp station on() 运行 时间 states needed code for
贪婪算法：
这是一种近似算法（approximation algorithm）。在获得精确解需要的时间太长时，可使用近
似算法。判断近似算法优劣的标准如下：
? 速度有多快；
? 得到的近似解与最优解的接近程度。
贪婪算法是不错的选择，它们不仅简单，而且通常运行速度很快。在这个例子中，贪婪算法
的运行时间为O(n2)，其中n为广播台数量。
问题：
每个广播电台，在固定几个州播放，现在向用最少的电台，将所有的州都覆盖
贪婪算法解决思路：在电台中找到一个最有解（未覆盖州中，电台指向最多的州），更新未覆盖的州，以此思路，知道所有的州都覆盖
states_needed = set(["mt", "wa", "or", "id", "nv", "ut","ca", "az"]) # 目标需要覆盖的州 stations = {} # 每个电台所能覆盖的州 stations["kone"] = set(["id", "nv", "ut"]) stations["ktwo"] = set(["wa", "id", "mt"]) stations["kthree"] = set(["or", "nv", "ca"]) stations["kfour"] = set(["nv", "ut"]) stations["kfive"] = set(["ca", "az"]) ‘‘‘使用最少的电台，将所有的州都覆盖住 ‘‘‘ # 使用贪婪算法，每次找到能覆盖最多(未覆盖)的电台 final_station = set() def find_final_station(): global states_needed global stations best_station = None states_covered = set() for station_key, station_value in stations.items(): cover = states_needed & station_value if len(cover) > len(states_covered): best_station = station_key states_covered = station_value final_station.add(best_station) states_needed = states_needed - states_covered while states_needed: find_final_station() print(final_station)
标签：bsp station on() 运行 时间 states needed code for
原文地址：https://www.cnblogs.com/pickKnow/p/10967069.html
