贪心算法(又名贪婪法)，是寻找最优解问题的常用方法，这种方法模式一般将求解过程分成若干个步骤，但每个步骤都应用贪心原则，选取当前状态下最好/最优的选择（局部最有利的选择），并以此希望最后堆叠出的结果也是最好/最优的解。{看着这个名字，贪心，贪婪这两字的内在含义最为关键。这就好像一个贪婪的人，他事事都想要眼前看到最好的那个，看不到长远的东西，也不为最终的结果和将来着想，贪图眼前局部的利益最大化，有点走一步看一步的感觉。}

但是要注意的是，贪心算法不一定能得到全局的最优解，关键是贪心策略的选择。

多机调度问题

问题描述

要求给出一种作业调度方案，使所给的 \(n\) 个作业（假定作业数量 \(n\) 不超过20）在尽可能短的时间内由m台机器加工处理完成。约定，每个作业均可在任何一台机器上加工处理，但未完工前不允许中断处理。作业不能拆分成更小的子作业。

输入格式

第一行包含两个整数 \(m\) 和 \(n\) ，空格分开。 \(m\) 表示机器的数量，\(n\) 表示作业的数量。

第二行包含 \(n\) 个整数，表示每个作业的完成时间。

输出格式

先输出：

将机器 \(M_i\) 从 \(time1\) 到 \(time2\) 的时间段分配给作业 \(N_j\)

…

最后输出：处理完成所有作业需要的最短时间为 \(time\) 。

每个结果占一行。

示例

示例1

输入(input)： 3 5

2 14 6 16 3

输出(output)：

将机器1从0到16的时间段分配给作业4

将机器2从0到14的时间段分配给作业2

将机器3从0到6的时间段分配给作业3

将机器3从6到9的时间段分配给作业5

将机器3从9到11的时间段分配给作业1

处理完成所有作业需要的最短时间为16

示例2

输入(input)：

7 3

6 8 18

输出(output)： 将机器1从0到18的时间段分配给作业3

将机器2从0到8的时间段分配给作业2

将机器3从0到6的时间段分配给作业1

处理完成所有作业需要的最短时间为18

问题分析

如果 \(n\leq m\) ：那么每台机器分配一个作业即可。

如果 \(n>m\) ： 采取贪心策略。贪心策略是优先处理加工时间长作业，即把处理时间最长的作业分配给最先空闲的机器，这样可以保证处理时间长的作业优先处理，从而在整体上获得尽可能短的处理时间。

比如下面这个示例： 输入(input)：

3 7

2 14 4 16 6 5 3

输出(output)：

将机器1从0到16的时间段分配给作业4

将机器2从0到14的时间段分配给作业2

将机器3从0到6的时间段分配给作业5

将机器3从6到11的时间段分配给作业6

将机器3从11到15的时间段分配给作业3

将机器2从14到17的时间段分配给作业7

将机器3从15到17的时间段分配给作业1

处理完成所有作业需要的最短时间为17

用图像表示示例中多台机器处理的流程如下：

代码实现

#include <iostream>
#include <vector> 
#include <algorithm>
using namespace std;

struct Job {
    int id; // 记录作业编号
    int time; // 记录作业时长 
};

bool compare(Job a, Job b) {
    return a.time > b.time;
}

int main() {
    int m, n;   cin >> m >> n; // m为机器数量,n为作业数量
    vector<Job> jobs(n); // 每个作业完成需要的时间和对应的编号
    for(int i = 0; i < n; i++) {
        cin >> jobs[i].time;
        jobs[i].id = i + 1; 
    }
    sort(jobs.begin(), jobs.end(), compare); // 对作业时长降序排序 
    
    vector<int> subtime(m, 0); // 记录每个机器的工作时长,并初始化为0 
    for(int i = 0; i < n; i++) {
        int select = 0; // 参数select表示选择哪一台机器来处理jobs[i].id作业 
        for(int j = 0; j < m; j++) { 
            if(subtime[j] < subtime[select]) { // 分配给当前所有机器中处理工作时长最小的机器 
                select = j; // 选择机器进行工作
            }
        }
        subtime[select] += jobs[i].time;
        cout << "将机器" << select + 1 << "从" << subtime[select] - jobs[i].time << "到" << subtime[select] << "的时间段分配给作业" << jobs[i].id << endl; 
    }
    
    int sumtime = subtime[0]; // 记录总时长
    for(int i = 0; i < m; i++) {
        if(sumtime < subtime[i]) {
    	    sumtime = subtime[i];
        }
    }
    cout << "处理完成所有作业需要的最短时间为" << sumtime << endl;
	
    return 0;
}

多处最优服务次序问题

问题描述

设有 \(n\) 个顾客同时等待一项服务。顾客 \(i\) 需要的服务时间为 \(t_i\)，\(1\leq i\leq n\), 。共有 \(s\) 处可以提供此项服务。应如何安排 \(n\) 个顾客的服务次序才能使平均等待时间达到最小？平均等待时间是 \(n\) 个顾客等待服务时间的总和除以 \(n\)。

\(j\) 处第 \(k\) 个顾客的等待时间 = 前面 \(k-1\) 个顾客总共服务时间 + 第 \(k\) 个顾客的服务时间。

比如某处第一个顾客的等待时间 = 该顾客自己所需要的服务时间。

输入格式

第一行包含两个整数 \(n\) 和 \(s\) ，空格分开。 \(n\) 表示顾客的数量，\(s\) 表示服务处的数量。

第二行包含 \(n\) 个整数，表示每个顾客需要的服务时间。

输出格式

一行：最小平均等待时间（小数点后保留3位）。

示例

输入(input)：

10 2

56 12 1 99 1000 234 33 55 99 812

输出(output)：

336.000

问题分析

和多机调度问题类似，这道题目的贪心策略是优先服务需要服务时间短的人，这样可以保证每个人的平均等待时间最小。

代码实现

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;

int main() {
    int n, s;	cin >> n >> s; // 有n个顾客和s个服务地点
    vector<int> time(n); // 每个顾客需要的时间 
    for(int i = 0; i < n; i++) {
        cin >> time[i];
    }
	
    sort(time.begin(), time.end());
	
    vector<int> subtime(s, 0); // 记录每个服务地点的服务时长 
    int totalwait_time = 0; // 记录所有人等待总时长
	 
    for(int i = 0; i < n; i++) {
        int select = 0;
        for(int j = 0; j < s; j++) {
            if(subtime[j] < subtime[select]) {
                select = j;
            }
        }
        totalwait_time = totalwait_time + subtime[select] + time[i]; // 一个人的等待时间 = 前面人的时间 + 自己的时间 
        subtime[select] += time[i];
    }
	
    printf("%.3lf", 1.0 * totalwait_time / n);
    return 0;
}