基于Go的挑战程序设计竞赛的进化之路②

一往直前！贪心法

贪心法的概念：遵循某个规则，不断贪心地选取当前最优策略的算法设计方法。

硬币问题

凭直觉，可以得到一个规则，尽可能地多用面值大的硬币。

硬币问题是贪心算法中较为简单的例子。在搜索算法和动态规则算法是在多种策略中选取最优解；而贪心算法它是遵循某种规则，不断地选取当前最优策略。

package main

import "fmt"

var coin = []int{
   1, 5, 10, 50, 100, 500}
var coins = [6]int{
   }
var A int

func solve() {
   
	ans := 0
	for i := 5; i >= 0; i-- {
   
		t := min(A/coin[i], coins[i])
		A -= t * coins[i]
		ans++
	}
	fmt.Println(ans)
}

func min(a, b int) int {
   
	if a < b {
   
		return a
	}
	return b
}

func main() {
   
	fmt.Scanf("%d %d %d %d %d %d", &coins[0], &coins[1], &coins[2], &coins[3], &coins[4], &A)
	solve()
}

区间问题

这个问题不像前面的硬币问题那么简单。最容易想到的一种贪心算法如下：

在可选的工作中，每次都选取开始时间最早的工作。但这种情况对于下列情况无法得到正确的答案。

除此之外，还会想到其他的想法：

（1）在可选的工作中，每次都选取结束时间最早的工作

（2）在可选的工作中，每次都选取用时最短的工作

（3）在可选的工作中，每次都选取与最少可选工作有重叠的工作**（我觉得这个想不到）**

对结束时间排序，然后选取完任务后记录结束时间，寻找下一个开始时间比记录的结束时间要晚的任务。

package main

import (
	"fmt"
	"sort"
)

const N = 100000

var s =