算法Greedy_cover(X, F)
输入 : 有限集X, X的子集合族F， X=∪S∈F S，|X|=|F|
输出 : C⊆F，满足X=∪S∈F S且C是满足X=∪S∈F S的最小集族，即|C|最小
1: U←X
2: C←θ
3: While U≠θ Do
4: 贪心选择能覆盖最多U元素的子集S
5: U←U-S
6: C←C∪{S}
7: Return C
在数据集元素个数等于500时，我们采用贪心求解方法，得到了图2所示结果。可以看到，每一步贪心搜索所新增的元素都有打印。最终需要的子集个数为69个，“C:”处输出的是S中的第多少个子集。最后我们进行了正确性检验，覆盖了原集合X，算法正确。
线性规划舍入算法
算法Appox_Cover_VC(X, F)
输入 : 有限集X, X的子集合族F， X=∪S∈F S，|X|=|F|
输出 : C⊆F，满足X=∪S∈F S且C是满足X=∪S∈F S的最小集族，即|C|最小
1: 根据X和F的关系，构建线性规划表达式
2: 调用glpk库求解LP松弛问题的最优解x
3: For S∈F Do
4: If xs≥1/f then C←C∪{S}
5: Return C
在上面线性规划问题的基础上，将其改造为整数规划问题，限定xs的值为0或1，可得到精确解。
