集合覆蓋問題、旅行商問題等都屬於np完全問題，在數學領域上並沒有快速得到最優解的方案，非常適合用貪婪演算法。
判斷方法：1.元素較少時，一般執行速度很快，但隨著元素數量增多，速度會變得非常慢 2.涉及到需要計算比較"所有的組合"情況的通常是np完全問題 3.無法分割成小問題，必須考慮各種可能的情況。這可能是np完全問題 4.如果問題涉及序列（如旅行商問題中的城市序列）且難以解決，它可能就是np完全問題 5.如果問題涉及集合（如廣播台集合）且難以解決，它可能就是np完全問題 6.如果問題可轉換為集合覆蓋問題或旅行商問題，那它肯定是np完全問題
總結：1.貪婪演算法可以尋找區域性最優解，並嘗試與這種方式獲得全域性最優解
2.得到的可能是近似最優解，但也可能便是最優解(區間排程問題，最短路徑問題(廣度優先、狄克斯特拉))
3.對於完全np問題，目前並沒有快速得到最優解的解決方案
4.面臨np完全問題，最佳的做法就是使用近似演算法
5.貪婪演算法(近似演算法)在大部分情況下易於實現，並且效率不錯
例題：
1.選擇和目標覆蓋城市交集最多的電台
2. 去除交集後生成新的目標覆蓋城市，再重新進行1
/**
* 貪婪演算法 - 集合覆蓋問題
* @author administrator
* */
public class greedy )));
broadcasts.put("k2", new hashset(arrays.aslist(new string )));
broadcasts.put("k3", new hashset(arrays.aslist(new string )));
broadcasts.put("k4", new hashset(arrays.aslist(new string )));
broadcasts.put("k5", new hashset(arrays.aslist(new string )));
//需要覆蓋的全部地區
hashsetallareas = new hashset(arrays.aslist(new string ));
//所選擇的廣播台列表
listselects = new arraylist();
hashsettempset = new hashset();
string maxkey = null;
while(allareas.size()!=0)
}if (maxkey != null)
} system.out.print("selects:" + selects); }
}複製**
演算法 貪心演算法
把乙個複雜問題分解為一系列較為簡單的區域性最優選擇，每乙個選擇都是對當前解的乙個擴充套件，知道獲得問題的完整解。在解決問題的策略上目光短淺，只根據當前已有的資訊做出選擇，而且一旦做出了選擇，不管將來有什麼結果這個選擇都不會改變。換言之，貪心法並不是從整體最優考慮，它所做出的選擇只是在某種意義上的區域...
演算法 貪心演算法
貪心演算法，又稱貪婪演算法 greedy algorithm 是指在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優解出發來考慮，它所做出的僅是在某種意義上的區域性最優解。貪婪演算法是一種分階段的工作，在每乙個階段，可以認為所做決定是最好的，而不考慮將來的後果。這種 眼下能夠拿到...
演算法 貪心演算法
問題描述 解決思路 實現思路 實現 public class main2 else system.out.println activity n,programs public static intactivity int n,program programs swap programs,i,inde...