写出贪心算法求活动安排问题的python的代码

Sure! 下面是求活动安排问题的 Python 代码，采用贪心算法进行求解：

# 定义函数来贪心求解活动安排问题
def activity_selection(start, finish):
    n = len(finish)
    i = 0
    # 第一个活动总是被选择
    print("Activity", i+1, "has been selected.")
    # 其余的活动按照结束时间排序
    for j in range(n):
        # 如果下一个活动的开始时间晚于前一个活动的结束时间，选择该活动并输出
        if start[j] >= finish[i]:
            print("Activity", j+1, "has been selected.")
            i = j
    return

# 测试代码
start = [1, 3, 0, 5, 8, 5]
finish = [2, 4, 6, 7, 9, 9]
activity_selection(start, finish)

希望能够帮到你！

相关问题

用贪心算法写出01背包问题基于python代码

好的，下面是用贪心算法解决01背包问题的python代码实现：

# 物品类
class Item:
    def __init__(self, weight, value):
        self.weight = weight
        self.value = value

# 按照单位重量的价值从大到小排序
def cmp(item):
    return item.value/item.weight

# 01背包问题贪心算法
def knapsack_greedy(items, W):
    items.sort(key=cmp, reverse=True) # 按照单位重量的价值从大到小排序
    total_value = 0 # 总价值
    for item in items:
        if item.weight <= W: # 若物品可以全部放入背包
            total_value += item.value
            W -= item.weight
        else: # 若物品放不完，则将部分物品放入背包中
            total_value += item.value * W / item.weight
            break
    return total_value

# 测试代码
if __name__ == '__main__':
    W = 50 # 背包容量
    items = [Item(10, 60), Item(20, 100), Item(30, 120)] # 物品重量和价值
    max_value = knapsack_greedy(items, W) # 计算最大价值
    print("最大价值为：", max_value)

以上代码中，我们定义了一个物品类，包含物品的重量和价值，然后实现了一个按照单位重量的价值从大到小排序的比较函数，最后实现了一个贪心算法的函数，计算出最大价值。最后在 main 函数中进行测试，输入背包容量和物品的重量和价值，输出最大价值。

写出贪心算法和递归算法的代码

好的，这里提供一个简单的Python示例，分别展示了一个经典的找零钱问题的递归算法和贪心算法。假设我们有一个无限量的整数数组`coins`表示可用的硬币面额，以及一个整数`target`作为目标金额。

**贪心算法：**

def greedy_change(coins, target):
    if target == 0:
        return []
    min_coins = [0] + [float('inf')] * len(coins)
    for i, coin in enumerate(coins):
        for j in range(i+1, len(min_coins)):
            min_coins[j] = min(min_coins[j], min_coins[i] + 1)
    return min_coins[target]

# 使用示例：[1, 5, 10]，目标金额23
coins = [1, 5, 10]
target = 23
print(greedy_change(coins, target))

这个算法尝试将尽可能少的硬币加在一起以达到目标金额，但并不保证是最优解。

**递归算法：**

def recursive_change(coins, target, n=0, result=[]):
    if target == 0:
        return result
    elif target < 0 or n >= len(coins):
        return result
    else:
        # 试探是否添加当前面额
        with_coins = recursive_change(coins, target - coins[n], n, result+[coins[n]])
        without_coins = recursive_change(coins, target, n+1, result)
        
        # 如果不添加更节省，返回不添加的结果
        if len(with_coins) <= len(without_coins):
            return with_coins
        else:
            return without_coins

# 使用示例同上
result = recursive_change(coins, target)
print(result)

递归算法会尝试所有的可能性，直到找到一个满足条件的解。

请注意，这两个代码片段都假设了有足够的硬币供选择。在实际应用中，你可能需要加入错误处理代码，如检查输入的有效性和是否有足够的硬币。