贪心动态规划算法

贪心算法和动态规划算法是两种常见的算法思想。贪心算法是一种基于贪心策略进行求解的算法，每一步选择当前最优的解决方案，最终得到全局最优解。而动态规划算法则是将问题分解为更小的子问题，通过求解子问题来推导出整个问题的解。

贪心动态规划算法结合了贪心算法和动态规划算法的思想。贪心动态规划算法通常分为两种：一种是在贪心算法的基础上，加入一定的动态规划思想，用于解决一些特定问题，如区间调度问题；另一种是在动态规划的基础上，加入贪心思想，用于优化一些动态规划问题的时间或空间复杂度，如背包问题。

下面以两个例子分别说明贪心动态规划算法的应用。

1. 区间调度问题

给定 n 个区间 [(s1, e1), (s2, e2), …, (sn, en)]，选出尽可能多的区间，使得它们两两不重叠（端点可以重叠），并输出选出的区间。

贪心动态规划算法的思路是：首先按照区间的结束时间排序，然后依次考虑每个区间，若当前区间的开始时间晚于前一个区间的结束时间，则选择该区间。因为选择结束时间早的区间会更有可能腾出更多的时间，供后续区间使用。

2. 背包问题

有一个背包可以容纳重量为 W 的物品，现有 n 种物品，第 i 种物品的重量为 wi，价值为 vi。选择哪些物品放入背包，可以使得背包中物品的总价值最大。

动态规划算法可以解决背包问题，但是它需要维护一个二维数组，用于存储子问题的解。如果物品种类很多，二维数组的空间复杂度会很高。

贪心动态规划算法的思路是：将物品按照单位重量的价值从大到小排序，依次考虑每个物品，若它可以放入背包，则将它放入。这样做的原因是，如果按照单位重量的价值排序，每次选择价值最大的物品放入背包，可以保证每次选择的物品是最优的，因为它具有最大的单位重量价值。

以上是贪心动态规划算法的两个应用例子。需要注意的是，贪心动态规划算法并不是所有问题的最优解

Java实现

代码中的 intervalSchedule 方法接收一个二维数组 intervals，其中每个一维数组表示一个区间，包含两个元素，分别表示区间的开始时间和结束时间。方法首先按照区间的结束时间对所有区间进行排序，然后依次遍历所有区间。如果当前区间的开始时间晚于等于前一个区间的结束时间，说明这两个区间重叠，不能选中当前区间。否则，可以选中当前区间，并更新计数器和当前区间的结束时间。最后返回计数器的值，即选中的区间数量。

需要注意的是，该方法假设输入的区间已经按照结束时间排序，并且没有重叠的区间具有相同的结束时间。如果不符合这两个条件，需要进行相应的处理。

import java.util.Arrays;
import java.util.Comparator;

public class IntervalScheduling {
    public static void main(String[] args) {
        int[][] intervals = {{1, 4}, {3, 5}, {0, 6}, {5, 7}, {3, 8}, {5, 9},
                {6, 10}, {8, 11}, {8, 12}, {2, 13}, {12, 14}};
        int res = intervalSchedule(intervals);
        System.out.println(res);
    }

    public static int intervalSchedule(int[][] intervals) {
        Arrays.sort(intervals, new Comparator<int[]>() {
            @Override
            public int compare(int[] o1, int[] o2) {
                return o1[1] - o2[1];
            }
        });
        int count = 1, end = intervals[0][1];
        for (int i = 1; i < intervals.length; i++) {
            if (intervals[i][0] >= end) {
                count++;
                end = intervals[i][1];
            }
        }
        return count;
    }
}