算法笔记 贪心

何为贪心

在对问题求解时，总是做出在当前看来是最好的选择。贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择。也就是说，不从整体最优上加以考虑，做出的只是在某种意义上的局部最优解。

贪心算法结果一般不是全局最优解
贪心算法一般作为辅助算法，如最小生成树、dijkstra等

贪心不一定全局最优

前面的选择，会影响后面的选择。即便第一步选择最优的解法，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，最终也就不是全局最优解

例：图中从出发点到最终点的路径有两条，两条路径的边权依次为
路径1：1 10 10 10
路径2：10 1 1 1
最短路径：贪心求解的结果为路径1，但全局最优应该为路径2

贪心适合什么问题

精确：贪心算法适用的问题，一定满足最优子结构性质，即一个问题的最优解可以由其子问题的最优解有效地构造出来。
通俗：针对一组数据，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

如果一个题目可以用贪心求解全局最优，那么贪心一定是解决此问题的最优方法。因为贪心代码简单，无需存储、回溯等，只需每个子问题选择当前最优即可

如何证明贪心全局最优

证明一般思路：使用反证法和数学归纳法。

假设策略不能导致最优解，通过一系列推导得到矛盾，以此证明策略是最优的，最后用数学归纳法保证全局最优

贪心算法解决问题的正确性虽然很多时候都看起来是显而易见的，但是要严谨地证明算法能够得到最优解，并不是件容易的事。
很多时候，只需要多举几个例子，看一下贪心算法的解决方案是否真的能得到最优解就可以了。

如何贪心

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

贪心算法的最难的是如何将要解决的问题抽象成贪心算法模型，只要这一步搞定之后，贪心算法的编码一般都很简单。

相关题目

最小生成树

哈夫曼编码

分糖果

部分钱币找回

硬币找回类题目，并不是都可以用贪心求出最优解

• 情景1：若纸币组合为【20,10,5,1】可以使用贪心求出最优解
• 情景2：若纸币组合为【20,9,5,1】不可以使用最优解，需要使用动态规划求解

原因：

• 情景1
  前面的数字依次是后面每个数字的倍数，适合用贪心求全局最优，如20=2*10=5*4=20*1。所以用4个5或者2个10或者20个1，不如用1个20。
• 情景2
  前面的数字不是后面每个数字的倍数，所以不可以使用贪心求全局最优解。如：需找回27元最少几张纸币，若用贪心则结果需要4张纸币：27=1*20+1*5+2*1，全局最优解为3张纸币：27=3*9

区间贪心

区间不相交

N个开区间，选择尽可能多的开区间，使得两两没有交集

区间选点

N个闭区间，求最少需要确定多少个点，使每个区间都至少存在一个点