知识点十九：贪心算法

前言

贪心算法、分治算法、回溯算法、动态规划这 4 个算法思想，原理解释起来都不难，但是要真正掌握且灵活应用它们，并不是件容易的事情。确切地说，它们应该算是算法思想，并不是具体的算法，常用来指导我们设计具体的算法和编码等。因此，学习这类算法思想最好的方法是，结合具体的问题，感受这些算法是怎么工作的，是如何解决问题的，在问题中体会这些算法的本质。这比单纯记忆其原理和定义要更有价值。

如何理解“贪心算法”？

首先，我们来学习一下贪心算法（greedy algorithm）。贪心算法有很多经典的应用，比如霍夫曼编码（Huffman Coding）、Prim 和 Kruskal 最小生成树算法、还有 Dijkstra 单源最短路径算法。关于贪心算法的原理，我们先来看一个例子。

假设有一个可以容纳 100kg 物品的背包，可以装各种物品。如下图所示，我们有以下 5 种豆子，每种豆子的总量和总价值都各不相同。为了让背包中所装物品的总价值最大，我们如何选择在背包中装哪些豆子？每种豆子又该装多少呢？

实际上，这个问题很简单，没错，我们只要先算一算每个物品的单价，按照单价由高到低依次来装就好了。单价从高到低排列，依次是：黑豆、绿豆、红豆、青豆、黄豆，所以，我们可以往背包里装 20kg 黑豆、30kg 绿豆、50kg 红豆。这个问题的解决思路显而易见，但它本质上借助的就是贪心算法。结合这个例子，总结一下贪心算法解决问题的基本步骤。

1. 第一步，当我们看到这类问题的时候，首先要联想到贪心算法，这类问题一般具有这样的性质：针对一组数据，我们定义了限制值和期望值，希望从中选出几个数据，在满足限制值的情况下，期望值最大。类比到刚刚的例子，限制值就是重量不能超过 100kg，期望值就是物品的总价值。这组数据就是 5 种豆子。我们从中选出一部分，满足重量不超过 100kg，并且总价值最大。
2. 第二步，尝试看下这个问题是否可以用贪心算法解决：每次选择当前情况下，在对限制值同等贡献量的情况下，对期望值贡献最大的数据。类比到刚刚的例子，我们每次都从剩下的豆子里面，选择单价最高的，也就是重量相同的情况下，对价值贡献最大的豆子。
3. 第三步，举几个例子看下贪心算法产生的结果是否是最优的。大部分情况下，举几个例子验证一下就可以了。严格地证明贪心算法的正确性，是非常复杂的，需要涉及比较多的数学推理。而且，从实践的角度来说，大部分能用贪心算法解决的问题，贪心算法的正确性都是显而易见的，也不需要严格的数学推导证明。

实际上，用贪心算法解决问题的思路，并不总能给出最优解。
举一个例子。在一个有权图中，我们从顶点 S 开始，找一条到顶点 T 的最短路径（路径中边的权值和最小）。贪心算法的解决思路是，每次都选择一条跟当前顶点相连的权最小的边，直到找到顶点 T。按照这种思路，我们求出的最短路径是 S->A->E->T，路径长度是 1+4+4=9。

但是，这种贪心的选择方式，最终求的路径并不是最短路径，因为路径 S->B->D->T 才是最短路径，因为这条路径的长度是 2+2+2=6。那为什么贪心算法在这个问题上不工作了呢？

在这个问题上，贪心算法不工作的主要原因是，前面的选择，会影响后面的选择。如果我们第一步从顶点 S 走到顶点 A，那接下来面对的顶点和边，跟第一步从顶点 S 走到顶点 B接下来面对的顶点和边，是完全不同的。所以，即便我们第一步选择最优的走法（边最短），但有可能因为这一步选择，导致后面每一步的选择都很糟糕，最终也就无缘全局最优解了。

贪心算法实战分析

1. 分糖果

假设有 m 个糖果和 n 个孩子。我们现在要把这些糖果分给这些孩子吃，但是糖果少，孩子多（m < n），所以糖果只能分配给一部分孩子。每个糖果的大小不等，这 m 个糖果的大小分别是 s1，s2，s3，……，sm。除此之外，每个孩子对糖果大小的需求也是不一样的，只有糖果的大小大于等于孩子对糖果大小的需求的时候，孩子才得到满足。假设这 n 个孩子对糖果大小的需求分别是 g1，g2，g3，……，gn。现在问题是，如何分配糖果，才能尽可能满足最多数量的孩子？

我们可以把这个问题抽象成，从 n 个孩子中，抽取一部分孩子分配糖果，让满足的孩子的个数是最大的。这个问题的限制值就是糖果个数 m，期望值是满足的孩子的个数。现在来看看如何用贪心算法来解决。

对于一个孩子来说，如果小的糖果可以满足，我们就没必要用更大的糖果，这样更大的就可以留给其他对糖果大小需求更大的孩子。另一方面，对糖果大小需求小的孩子更容易被满足，所以，我们可以从需求小的孩子开始分配糖果。因为满足一个需求大的孩子跟满足一个需求小的孩子，对我们期望值的贡献是一样的。我们每次从剩下的孩子中，找出对糖果大小需求最小的，然后发给他剩下的糖果中能满足他的最小的糖果，这样得到的分配方案，也就是最终满足的孩子个数最多的方案。

2. 钱币找零

假设我们有 1 元、2 元、5 元、10 元、20 元、50 元、100 元这些面额的纸币，它们的张数分别是 c1、c2、c5、c10、c20、c50、c100。我们现在要用这些钱来支付 K 元，最少要用多少张纸币呢？

这个问题在我们的日常生活中更加普遍。在生活中，我们肯定是先用面值最大的来支付，如果不够，就继续用更小一点面值的，以此类推，最后剩下的用 1 元来补齐。

这个问题的限制值就是要支付的总额 K 元，期望值是纸币数目，在贡献相同期望值（纸币数目）的情况下，我们希望多贡献点金额，这样就可以让纸币数更少，这就是一种贪心算法的解决思路。直觉告诉我们，这种处理方法就是最好的。实际上，要严谨地证明这种贪心算法的正确性，需要比较复杂的、有技巧的数学推导。

3. 区间覆盖

假设有 n 个区间，区间的起始端点和结束端点分别是[l1, r1]，[l2, r2]，[l3, r3]，……，[ln, rn]。我们从这 n 个区间中选出一部分区间，这部分区间满足两两不相交（端点相交的情况不算相交），最多能选出多少个区间呢？

这个问题的解决思路是这样的：我们假设这 n 个区间中最左端点是 l_min，最右端点是 r_max。这个问题就相当于，我们选择几个不相交的区间，从左到右将[l_min, r_max]覆盖上，问题的限制值是区间之间两两不相交，期望值是选出的区间数目。我们按照起始端点从小到大的顺序对这 n 个区间排序。然后接下来每次选择的时候，选择区间左端点跟前面的已经覆盖的区间不重合，且其右端点又尽量小的，这样可以让剩下的未覆盖区间尽可能的大，就可以放置更多的区间。这实际上就是一种贪心的选择方法。

4.如何用贪心算法实现霍夫曼编码？

假设有一个包含 1000 个字符的文件，每个字符占 1 个 byte（1byte=8bits），存储这 1000 个字符就一共需要 8000bits，那有没有更加节省空间的存储方式呢？

假设通过统计分析发现，这 1000 个字符中只包含 6 种不同字符，假设它们分别是 a、b、c、d、e、f。而 3 个二进制位（bit）就可以表示 8 个不同的字符，所以，为了尽量减少存储空间，每个字符我们用 3 个二进制位来表示。那存储这 1000 个字符只需要 3000bits 就可以了，比原来的存储方式节省了很多空间。

a(000)、b(001)、c(010)、d(011)、e(100)、f(101)

不过，还有没有更加节省空间的存储方式呢？

这时候霍夫曼编码就要登场了。霍夫曼编码是一种十分有效的编码方法，广泛用于数据压缩中，其压缩率通常在 20%～90% 之间。霍夫曼编码不仅会考察文本中有多少个不同字符，还会考察每个字符出现的频率，根据频率的不同，选择不同长度的编码。霍夫曼编码试图用这种不等长的编码方法，来进一步增加压缩的效率。

如何给不同频率的字符选择不同长度的编码呢？根据贪心算法的思想，我们可以把出现频率比较多的字符，用稍微短一些的编码；而把出现频率比较少的字符，用稍微长一些的编码。对于等长的编码来说，我们解压缩起来很简单。比如刚才那个例子中，我们用 3 个 bit 表示一个字符。在解压缩的时候，我们每次从文本中读取 3 位二进制码，然后翻译成对应的字符即可。但是，霍夫曼编码是不等长的，解压缩的时候每次应该读取 1 位、 2 位还是 3 位等等呢？这个问题就导致霍夫曼编码解压缩起来比较复杂。为了避免解压缩过程中的歧义，霍夫曼编码要求各个字符的编码之间，不会出现某个编码是另一个编码前缀的情况。

假设这 6 个字符出现的频率从高到低依次是 a、b、c、d、e、f。我们把它们编码成下面这个样子，任何一个字符的编码都不是另一个的前缀，在解压缩的时候，我们每次会读取尽可能长的可解压的二进制串，所以在解压缩的时候也不会歧义。经过这种编码压缩之后，这 1000 个字符只需要 2100bits（450+700+270+240+150+100） 就可以了。

尽管霍夫曼编码的思想并不难理解，但是如何根据字符出现频率的不同，给不同的字符进行不同长度的编码呢？这里的处理稍微有些技巧。我们把每个字符看作一个节点，并且辅带着把频率放到优先级队列中。我们从队列中取出频率最小的两个节点 A、B，然后新建一个节点 C，把频率设置为两个节点的频率之和，并把这个新节点 C 作为节点 A、B 的父节点。最后再把 C 节点放入到优先级队列中。重复这个过程，直到队列中没有数据。

构建完树后，我们给每一条边加上画一个权值，指向左子节点的边我们统统标记为 0，指向右子节点的边我们统统标记为 1，那从根节点到叶节点的路径就是叶节点对应字符的霍夫曼编码。

小结

一、贪心算法
1.如何理解“贪心算法”
贪心算法，又称贪婪算法，在对问题求解时，它总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，所做出的是在某种意义上的局部最优解。
2.解决问题的基本步骤
第一步：当我们看到这类问题时，首先要联想到贪心算法：针对一组数据，定义了限制值和期望值，系统从中选出几个数据，在满足限制值的情况下，期望值最大。
第二步：尝试看这个问题是否可以用贪心算法解决：每次选择当前情况下，在对限制值同等贡献量的情况下，对期望值贡献最大的数据。
第三步：举几个例子看下贪心算法产生的结果是否最优的。大部分情况下，举几个例子验证一下就可以了。严格的证明贪心算法的正确性，非常复杂，需要涉及较多的数学推理。并且，从实践的角度来说，大部分能用贪心算法的问题，贪心算法的正确性都是显而易见的，不需要严格的数学推导证明。
3.经典应用：霍夫曼编码（Huffman Coding）,Prim和Kruskal最小生成数算法，Dijkstra单源最短路径算法。
4.不足：实际上，用贪心算法解决问题的思路，并不总能给出最优解。贪心算法中关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。贪心算法，专注于当下最优，但可能也因此无法取得全局最优。

参考

《数据结构与算法之美》
王争
前Google工程师