算法——分治、动态规划、贪心算法

分治、动态规划、贪心算法的对比

  文章分治法，动态规划及贪心算法区别中比较三种算法思路，简而言之，很多问题都可以用分治思路求解，将复杂问题转化为多个稍微简单的子问题，问题分解为子问题，犹如树形结构一般，但树的分叉（问题的分级扩展）有二叉树、B树，分叉等级不同；但一些问题的子问题，相互独立，且有重叠，导致树的分叉（问题的分级扩展）很少，子问题的数目约等于子子问题的数目。至于贪心算法，问题直接转化为最优子问题。贪心算法总对应一个更复杂的动态规划算法。但是如何确定问题能够使用贪心算法，算法导论中，并未给出一般性的证明，而是说明，问题必须具有最优子结构——问题的最优解包含子问题的最优解，同时需要证明，最优子解+贪心选择，就是最优解，通常反证法能够证明这样的问题。
  那么对于算法如何选择，也就有了一般思路：能够分解的问题，就能够使用分治，通常经过分解的子问题独立，分治的算法实现通常是递归；子问题重叠，导致每一层级的问题扩展性低的问题，就能用动态规划；而具有最优子结构，同时能够证明最优子解+贪心选择就是最优解的问题，才能够使用贪心算法。

例子

一道谷歌算法题

一道泄露并遭禁用的谷歌面试题，背后玄机全解析
  文章中给出了四种解决方案：

1. 暴力求解
2. 递归
3. 缓存重复的子问题
4. 动态规划，自底向上求解

  实际上，文章Leetcode 935：骑士拨号器（超详细的解法！！！）给出了简化后的动态规划算法。这道题目就能够看出，分治向动态规划的转化。
  算法导论中有讨论活动选择、最小生成树、赫夫曼编码等算法，阐述什么情况下适用贪心算法，比较关键的就是确定问题是最优子问题，确定问题是最优子问题的关键在于，选择关键参数。比如活动选择问题中，活动结束时间，就是关键参数，不是活动开始时间、活动结束时间。当然反证法证明最优子解+贪心选择就是最优解也是必要的。