贪心？DP？

一、何时用贪心？关键条件

1. 贪心选择性质：
   当前局部最优选择一定能导致全局最优解，且不需要回溯或比较其他可能性。
   例如：找零问题时，优先用大面额硬币一定能得到最少硬币数（在硬币面额是倍数关系时）。

2. 最优子结构：
   问题的全局最优解可以通过局部最优解递推得到，且子问题独立。
   例如：活动选择问题中，每次选最早结束的活动，剩余子问题仍然是同类优化问题。

3. 无后效性：
   当前选择一旦做出，后续决策不受之前选择的影响。
   例如：Dijkstra算法中，一旦确定某个节点的最短路径，不会被后续更新。

---

二、典型贪心算法问题举例

1. 区间调度问题（Activity Selection Problem）

• 问题：选择最多数量的互不重叠的区间。

• 贪心策略：每次选结束时间最早的区间，给后续留更多空间。

• 为何不用DP：DP需要记录所有子集组合（O(2ⁿ)），而贪心只需排序后遍历（O(n log n)）。

2. 霍夫曼编码（Huffman Coding）

• 问题：用最小二进制编码压缩数据（频率高的字符用短编码）。

• 贪心策略：每次合并频率最低的两个节点，构建二叉树。

• 为何不用DP：合并顺序的局部最优直接导致全局最优，无需保存中间状态。

3. 找零问题（Coin Change, 特定面额）

• 问题：用最少数量的硬币凑出金额（如面额为1,5,10）。

• 贪心策略：每次选最大面额硬币。

• 为何不用DP：当硬币面额是倍数关系（如1,5,10）时贪心成立，否则需DP（如面额1,3,4，凑6时贪心失效）。

4. 最小生成树（Prim/Kruskal算法）

• 问题：连接所有节点的边权值和最小的树。

• 贪心策略：

  • Kruskal：每次选权值最小的边，且不形成环。

  • Prim：从任意节点开始，每次选连接已选集合的最小边。

• 为何不用DP：生成树的子问题无需记录路径，贪心的局部选择直接保证全局最优。

5. Dijkstra算法（无负权边的最短路径）

• 问题：单源最短路径（无负权边）。

• 贪心策略：每次从优先队列中选当前距离最短的节点，松弛其邻边。

• 为何不用DP（如Bellman-Ford）：无负权边时，局部最短路径即全局最短，无需重复松弛。

---

三、贪心 vs DP的对比案例

案例1：背包问题

• 0-1背包问题：必须用DP，因为每个物品选/不选会影响后续决策。

• 分数背包问题：可以用贪心（按单位价值排序，优先拿高价值密度的物品）。

案例2：股票买卖问题

• 一次交易（LeetCode 121）：贪心（记录历史最低点，计算当前最大利润）。

• 多次交易（LeetCode 122）：贪心（所有上涨区间都买入）。

• 含冷却期（LeetCode 309）：必须用DP，因为当前状态依赖前两天的决策。

---

四、如何判断是否用贪心？

1. 尝试举反例：验证贪心策略是否能覆盖所有情况。
   例如：非倍数面额的找零问题（如1,3,4），贪心可能失败（凑6：4+1+1 vs 3+3）。

2. 检查问题结构：若问题需要“所有可能的组合”或“撤销之前选择”，则必须用DP。

3. 数学证明：通过归纳法或交换论证证明贪心选择的正确性。

---

五、总结

• 用贪心的信号：

  • 问题可以通过单向的局部最优选择推进。

  • 无需保存历史状态或比较多种路径。

  • 贪心策略能被严格证明正确。

• 用DP的信号：

  • 问题需要穷举所有可能性或存在重叠子问题。

  • 当前决策依赖之前的所有选择（如背包问题）。

经典口诀：

• 贪心：“短视但高效，一步定终身”。

• DP：“记忆化搜索，全局揽乾坤”。