贪心算法

1 贪心算法的定义：

贪心算法是指在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，只做出在某种意义上的局部最优解。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，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。
解题的一般步骤是：
1.建立数学模型来描述问题；
2.把求解的问题分成若干个子问题；
3.对每一子问题求解，得到子问题的局部最优解；
4.把子问题的局部最优解合成原来问题的一个解。
如果大家比较了解动态规划，就会发现它们之间的相似之处。最优解问题大部分都可以拆分成一个个的子问题，把解空间的遍历视作对子问题树的遍历，则以某种形式对树整个的遍历一遍就可以求出最优解，大部分情况下这是不可行的。贪心算法和动态规划本质上是对子问题树的一种修剪，两种算法要求问题都具有的一个性质就是子问题最优性(组成最优解的每一个子问题的解，对于这个子问题本身肯定也是最优的)。动态规划方法代表了这一类问题的一般解法，我们自底向上构造子问题的解，对每一个子树的根，求出下面每一个叶子的值，并且以其中的最优值作为自身的值，其它的值舍弃。而贪心算法是动态规划方法的一个特例，可以证明每一个子树的根的值不取决于下面叶子的值，而只取决于当前问题的状况。换句话说，不需要知道一个节点所有子树的情况，就可以求出这个节点的值。由于贪心算法的这个特性，它对解空间树的遍历不需要自底向上，而只需要自根开始，选择最优的路，一直走到底就可以了。

2 示例实现

/**
 * 贪心算法
 * 
 * @author xld
 *         假设你想给小朋友们饼干。每个小朋友最多能够给一块儿饼干。每个小朋友都有一个“贪心指数”，称为g(i)，g(i)表示的是这名小朋友需要的饼干大小的最小值。同时，每个饼干都有一个大小值s(i)。如果s(j)
 *         >= g(i)，我们将饼干j分给小朋友i后，小朋友就会很开心。给定数组s和g，问如何分配饼干，能更让最多的小朋友开心。
 * 
 *         如 g = [1, 2, 3], s = [1, 1]，结果为1 如 g = [1, 2], s = [1, 2, 3]，结果为2
 * 
 */
class Solution {
    public int findContentChildren(int[] g, int[] s) {
        // 将两个数组排序
        Arrays.sort(g);
        Arrays.sort(s);
        int si = s.length - 1;
        int gi = g.length - 1;
        int count = 0;
        while (si >= 0 && gi >= 0) {
            if (s[si] >= g[gi]) {
                count++;
                si--;
                gi--;
            } else {
                gi--;
            }
        }
        return count;
    }
}

/**
 * 给定两个字符串s和t，问s是不是t的子序列。 如 s = “abc” ， t = “ahbgdc”，则s是t的子序列，算法返回true 如 s =
 * “axc” ， t = “ahbgdc”，则s不是t的子序列，算法返回false
 * 
 * @author xld
 *
 */
class Solution1 {
    public boolean isSubsequence(String s, String t) {

        char[] auxs = s.toCharArray();
        char[] auxt = t.toCharArray();

        int si = 0;
        int ti = 0;

        while (si < auxs.length && ti < auxt.length) {
            if (auxs[si] == auxt[ti]) {
                ti++;
                si++;
            } else {
                ti++;
            }
        }

        if (si == auxs.length)
            return true;

        return false;
    }
}