贪心算法 待续

核心思想

假设一个问题比较复杂，暂时找不到全局最优解,那么我们可以考虑把原问题拆分成几个小问题（分而治之思想），分别求每个小问题的最优解，将这些局部最优解当作原问题的解，注意： 这样得到的解不一定是原问题全局的最优解。
总的来说，可以分为三步：
第一步

明确到底什么是最优解

第二步

明确什么是子问题的最优解

第三步

分别求出子问题的最优解再堆叠出全局最优解

例子

有一个背包，最多能承载150斤的重量，现在有7个物品
重量依次为 35，30，60，50，40，10，25
价值依次为 10，40，30，50，35，40，30
应该怎么选择才能使得我们的背包背走最大价值的物品？
我们按照上面的三步来分析：
第一步

问题的最优解是：在重量限制范围内，选择价值最大的物品

第二步
子问题的定义有很多种 ，以下列举三种：
一：认为的局部最优解是：每次都选择当前价值最多的物品
二：认为的局部最优解是：每次都选择当前重量最小的物品
三：认为的局部最优解是：每次都选择当前价值密度最大的物品，也就是物品单位重量的价值：价值/重量

第三步
按照制订的规则（价值最大）进行计算，顺序是：4 2 6 5
最终的总重量是：130
最终的总价值是：165

按照制订的规则（重量最小）进行计算，顺序是：6 7 2 1 5
最终的总重量是：140
最终的总价值是：155

按照制订的规则（单位密度最大）进行计算，顺序是：6 2 7 4 1
最终的总重量是：150
最终的总价值是：170

可以看到，单位密度这个策略比之前的价值策略和重量策略都要好。

贪心算法三个核心问题

一：为什么不直接求原问题的最优解
答 因为原问题过于复杂，无法直接计算全局最优解

这里总结一下使用贪心算法的前提：

1、原问题复杂度过高，求全局最优解的数学模型难以建立；

2、求全局最优解的计算量过大；没有太大必要一定要求出全局最优解，“比较优”就可以。那么几乎都可以使用贪心算法的思想来解决问题。

二：怎么将原问题分解成小问题
答
按串行任务分

时间串行的任务，按子任务来分解，即每一步都是在前一步的基础上再选择当前的最优解。

按规模递减分

规模较大的复杂问题，可以借助递归思想，分解成一个规模小一点点的问题，循环解决，当最后一步的求解完成后就得到了所谓的“全局最优解”。

按并行任务分

这种问题的任务不分先后，可能是并行的，可以分别求解后，再按一定的规则（比如某种配比公式）将其组合后得到最终解。

三：怎么判断贪心算法结果是否接近最优解
答 这个其实没有绝对的判断标准，因为正是因为全局最优解难以计算，所以才选择的贪心算法去求局部最优解，根据计算局部最优解的规则不同，所求的结果也可能有所不同，只能在程序能接受的范围内、以及不同计算规则所得结果来进行取舍

你是故意找茬儿是不是？你要不要吧！