贪婪算法：
每步都采取最优的做法，即每步都选择局部最优解，最终得到的就是全局最优解。
假设你办了个广播节目，要让全美50个州的听众都收听得到。为此你需要决定在哪些广播台播出。
在每个广播台播出都需要支付费用，因此你力图在尽可能少的广播台播出。
使用贪婪算法可得到非常接近的解：
1、选出这样一个广播台，即它覆盖了最多的未覆盖州，即便这个广播台覆盖了一些一覆盖的州也没有关系；
2、重复第一步，直到覆盖了所有的州。
'''
贪婪算法：
每步都采取最优的做法，即每步都选择局部最优解，最终得到的就是全局最优解。
'''
'''
假设你办了个广播节目，要让全美50个州的听众都收听得到。为此你需要决定在哪些广播台播出。
在每个广播台播出都需要支付费用，因此你力图在尽可能少的广播台播出。
使用贪婪算法可得到非常接近的解：
1、选出这样一个广播台，即它覆盖了最多的未覆盖州，即便这个广播台覆盖了一些一覆盖的州也没有关系；
2、重复第一步，直到覆盖了所有的州。
'''
#创建一个列表，其中包含要覆盖的州
states_needed = set(['mt', 'wa', 'or', 'id', 'nv', 'ut', 'ca', 'az'])
#创建广播台清单
stations = {}
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'])
#创建一个集合来存储最终选择的广播台
final_stations = set()
while states_needed:
best_station = None
states_covered = set()
for station, states in stations.items():
covered = states_needed & states
if len(covered) > len(states_covered):
best_station = station
states_covered = covered
states_needed -= states_covered
final_stations.add(best_station)
print(final_stations)
