Greedy Method

最优化问题(Optimization Problems)

每个最优化问题包含一个限制条件(constrain)和一个优化函数(optimization function)，符合限制条件的求解方案称作问题的可行解，使优化函数能取得最佳值的解决方案称作最优解
最优化问题的求解过程就是从诸多可行解中寻找最优解的过程

贪心算法

在问题求解的每一个阶段都有多种选择，贪心算法在每一步都做出当时看来最佳的选择，通过局部(locally)最优希望达到整体(globally)最优。
但贪心算法这种启发式的策略并不能保证一定能找到最优解
贪心算法能求得最优解的两个要素是贪心选择性质和最优子结构

ps:贪心策略必须是无后效性的，即当前的选择不会影响之后的状态

贪心选择性质

通过做出局部最优来构造全局最优

每次选择只做当前看来最好的选择，而不考虑子问题的解
在解空间的遍历，即子问题树的遍历过程中，贪心选择要求只需要从根部一路选择到叶节点即可，所以说一个贪心算法通常是自顶向下的

最优子结构

一个问题的最优解包含其子问题的最优解

最优子结构的证明方法（“剪切-粘贴”法）

①对于给定的问题，假设已知最优解
②做出一个选择，这个选择使得问题产生一个或多个待解决的子问题，例如钢条的切割位置，矩阵链的划分位置
③选定可以获得最优解的某一选择
④“剪切-粘贴法”（反证）证明：作为构成原问题最优解的组成部分（基于③），每个子问题的解就是它本身的最优解。
假定子问题的解不是其自身的最优解，那么我们就可以从原问题的解中“剪切”掉这些非最优解，将最优解“粘贴”进去，从而得到原问题一个更优的解，但这与最初的解时原问题最优解的假设矛盾。
以0/1背包问题为例：

ps：证明过程中，x_i=1就是必定会得到最优解的一个选择