贪心算法(被黑心公司强迫写的降薪算法)

简介: 贪心算法(被黑心公司强迫写的降薪算法)

在公司辛辛苦苦干了很多年,真的实现了程序员把自己给干掉了。

被迫实现降薪,结果还用到自己身上了,真是可悲

直接上代码

package Algorithm;
 
import java.util.ArrayList;
import java.util.Collections;
import java.util.Comparator;
import java.util.List;
 
/**
 * 降薪问题(贪心算法)
 */
public class TanXinSalary {
    /*
    贪心算法的原理是,在每个选择阶段,都选择当前状态下的最优解,最终得到的结果是全局最优解。
    示例代码中用到了一个类,表示需要降薪的人。然后用knapsack()函数实现贪心算法,
    在实现时先按薪水进行排序,然后逐个添加需要降薪的人,直到降薪人数名额满或者没有人数可选。
    在main()函数中,我们使用6个人和这次降薪批次为满足薪资区间进行测试,输出需要降薪的人。
     */
 
 
    // 定义一个类,包含薪水和人名两个属性(不校验人名重复)
    public static class Item {
        /**
         * 薪水
         */
        private int salary;
        private String name;
 
 
        public Item(int salary, String name) {
            this.salary = salary;
            this.name = name;
        }
 
        public int getSalary() {
            return salary;
        }
 
        public String getName() {
            return name;
        }
    }
 
    /**
     * 定义一个贪心算法实现的函数
     * 注:这个贪心算法实现是不看任何情面,按最高的薪资排序
     * 满足在降薪范围内就进行降薪扣款。平时的什么给你画的饼现在一点卵用都没有。
     *
     * @param items        降薪类
     * @param salaryPeople 降薪总人数
     * @param numMax       降薪区间
     * @return
     */
    public static List<Item> knapsack(List<Item> items, int salaryPeople, int[] numMax) {
        // 根据物品的薪资高的优先降排序(看黑心公司需求-可以写一个映射对照表--重点需要注意)
        Collections.sort(items, Comparator.comparingDouble(Item::getSalary).reversed());
//        items.forEach(item -> System.out.println(item.getSalary()));
        List<Item> result = new ArrayList<>();
        //降薪总值
        int numSalary = 0;
        // 逐个添加降薪人员,直到降薪总人数足够或者没有降薪人数可选
        for (Item item : items) {
            //开始赛选薪资    第一次为0是取第一个人的
            // 如果不为0加上之前的人的薪资,校验是否已经满足了公司的亏损,不满足继续找人降,满足者跳过
            numSalary = numSalary == 0 ? item.getSalary() : numSalary + item.getSalary();
            // 降薪人数小于等于总降薪人数--添加至降薪人数集合--降薪总人数减去添加进去的人数得到剩余降薪人数
            if (checkSalary(numSalary, numMax)) {
                if (salaryPeople > 0) {
                    result.add(item);
                    salaryPeople -= 1;
                    if (salaryPeople == 0) {
                        continue;
                    }
                } else if (salaryPeople == 0) {
                    //降薪总人数满---但是降薪薪资还不满足,则继续降薪赛选人数-为黑心公司创造更多利益
                    result.add(item);
                    if (checkSalary(numSalary, numMax)) {
                        continue;
                    } else {
                        break;
                    }
                }
            }
        }
        return result;
    }
 
    /**
     * 判断降薪总价是否在降薪总区间内
     *
     * @param salary
     * @param numMax
     * @return
     */
    public static boolean checkSalary(int salary, int[] numMax) {
        if (salary >= numMax[0] && salary <= numMax[1] || salary >= numMax[0] && salary <= numMax[2]) {
            return true;
        }
        return false;
    }
 
    public static void main(String[] args) {
        List<Item> items = new ArrayList<>();
        items.add(new Item(21750, "张城阳"));
        items.add(new Item(12600, "王继红"));
        items.add(new Item(15220, "杨凯"));
        items.add(new Item(25120, "李海生"));
        items.add(new Item(31510, "赵户"));
        items.add(new Item(11220, "何璐"));
        items.add(new Item(14418, "石开男"));
        items.add(new Item(28741, "李珠"));
        items.add(new Item(21156, "诺暗"));
        items.add(new Item(42153, "孔爱子"));
        items.add(new Item(22141, "成兰文"));
        items.add(new Item(21001, "孙景卫"));
        items.add(new Item(18154, "梅迪钰"));
        items.add(new Item(19877, "张安茂"));
        int salaryPeople = 6;//降薪人数
        int[] numMax = {16000, 250000, 300000};//降薪区间 最小值/最大值/上限值
        List<Item> result = knapsack(items, salaryPeople, numMax);
        System.out.println("这次降薪人数:" + salaryPeople);
        System.out.println("实际降薪人数:" + result.size());
        System.out.println("降薪人名:");
        int totalValue = 0;
        for (Item item : result) {
            System.out.println("薪水:" + item.getSalary() + ", 人名:" + item.getName());
            totalValue += item.getSalary();
        }
        System.out.println("降薪总额:" + totalValue);
    }
}
 

大家可以看到,这个公司为了自己利益第一是任何顾忌也不管不问了。

贪心算法可解决的问题:

1、有一个以最优方式来解决的问题。为了构造问题的解决方案,选一个候选的对象的集合(直接筛选指定人数)

2、随着算法的进行,将积累起其他两个集合:一个包含已经被考虑过并被选出的候选对象,另一个包含已经被考虑过但被丢弃的候选对象 。(指定人数中再次筛选人数)

3、有一个函数来检查一个候选对象的集合是否提供了问题的解答。该函数不考虑此时的解决方法是否最优

4、还有一个函数检查是否一个候选对象的集合是可行的,即是否可能往该集合上添加更多的候选对象以获得一个解。此时不考虑解决方法的最优性(我只要结果)

5、选择函数可以指出哪一个剩余的候选对象最有希望构成问题的解 (不分青红皂白)

6、最后,目标函数给出解的值(我只要结果)

贪心算法存在以下问题:

1、不能保证解是最佳的。因为贪心算法总是从局部出发,并没从整体考虑(公司以自己利益为主)

2、贪心算法一般用来解决求最大或最小解 (只要公司不亏损,我不管你是谁都降)

3、贪心算法只能确定某些问题的可行性范围 (我不能亏只能小赚,多降薪可以。)


相关文章
|
7月前
|
算法
算法:贪心算法的原理和基本思路
算法:贪心算法的原理和基本思路
|
7月前
|
算法
带你读《图解算法小抄》二十二、贪心算法(3)
带你读《图解算法小抄》二十二、贪心算法(3)
|
7月前
|
算法
带你读《图解算法小抄》二十二、贪心算法(5)
带你读《图解算法小抄》二十二、贪心算法(5)
|
6天前
|
算法
算法人生(3):从“贪心算法”看“战胜拖延”(完美主义版)
本文探讨了拖延症的一个常见原因——完美主义,并从贪心算法的角度提供启示。贪心算法通过局部最优决策逼近全局最优解,不保证全局最优,但寻求满意解。完美主义者的拖延源于高标准、过度关注细节、压力和时间管理困难。为解决这个问题,建议接受不完美,设定合理目标,追求良好效果,以及培养时间管理技巧。通过实例说明,调整心态和策略,可以提高工作效率并克服拖延。
|
6天前
|
算法 调度 C语言
算法--贪心算法
贪心算法是每次选择当前最优解,期望达到全局最优,适用于有最优子结构的问题。它不回退,与动态规划不同。适用于分数背包问题,但0-1背包问题可能无法保证最优解。常见应用包括找零、最小生成树、单源最短路径和任务调度。贪心算法步骤包括建模、分问题、求局部最优解及整合。尽管简单,但需谨慎评估是否适用,例如0-1背包问题可能需用动态规划求解。
19 1
|
6天前
|
算法 调度 C++
[数据结构与算法]贪心算法(原理+代码)
[数据结构与算法]贪心算法(原理+代码)
|
6天前
|
人工智能 算法 Java
【算法设计与分析】— —单源最短路径的贪心算法
【算法设计与分析】— —单源最短路径的贪心算法
38 0
|
6天前
|
存储 算法 Java
【算法设计与分析】— —实现最优载的贪心算法
【算法设计与分析】— —实现最优载的贪心算法
34 1
|
6天前
|
存储 算法 Java
【算法设计与分析】— —实现活动安排问题的贪心算法。
【算法设计与分析】— —实现活动安排问题的贪心算法。
57 0
|
6天前
|
算法 调度 Python
Python高级算法——贪心算法(Greedy Algorithm)
Python高级算法——贪心算法(Greedy Algorithm)
238 3