最高效的近似算法——贪心算法

        在解决一些问题的时候，有的问题要得到最优解是非常困难的。这个时候我们就不要再执着于最优解了，因为即便得到了最优解也可能是得不偿失的。采用贪心算法求解这个问题是一种折中的好方法。

        所谓贪心算法就是在对问题求解时，总是做出当前看来是最好的选择。也就是说贪心算法并不从整体最优上考虑问题，算法得到的是某种意义上的局部最优解。而局部的最优解叠加在一起便构成了问题的整体最优解，或者近似最优解。正是因为贪心算法思想简单，且算法效率较高，所以在一些问题的解决上有着明显的优势。

        下面我们来看一个经典的问题——集合覆盖问题，从中体会一下贪心算法的妙用。

        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。现有广播台名单（部分）如下。

表（1）每个广播台和对应覆盖的州

广播台名称 广播台	覆盖的州
(1) KONE	ID，NV，UT
(2) KTWO	WA，ID，MT
(3) KTHREE	OR，NV，CA
(4) KFOUR	NV，UT
(5) KFIVE	CA，ZA

        如何找出覆盖全美 50个州的最小广播台集合呢？

        一般情况下，我们会想到使用穷举法来解决这个问题。假设全美共有n个广播台可供选择，那么每个广播台就有“选择”（1）和“不选择”（0）