贪心算法

简介

贪心算法（又称贪婪算法）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，算法得到的是在某种意义上的局部最优解。
贪心算法的特点是一步一步地进行，常以当前情况为基础根据某个优化测度作最优选择，而不考虑各种可能的整体情况，省去了为找最优解要穷尽所有可能而必须耗费的大量时间。
贪心算法采用自顶向下，以迭代的方法做出相继的贪心选择，每做一次贪心选择，就将所求问题简化为一个规模更小的子问题，通过每一步贪心选择，可得到问题的一个最优解。
虽然每一步上都要保证能获得局部最优解，但由此产生的全局解有时不一定是最优的，所以贪心算法不要回溯。（即某个状态以后的过程不会影响以前的状态，只与当前状态有关）

基本思想

• 求解最优化问题的算法包含一系列步骤
• 每一步都有一组选择
• 作出在当前看来最好的选择
• 希望通过作出局部最后选择达到全局最后选择
• 贪心算法是否能产生最优解，需要严格证明

产生最优解的条件

• 最优子结构
  当一个问题的最优解包含子问题的最优解时，称这个问题具有最优子结构。
• 贪心选择性
  当一个问题的全局最优解可以通过局部最优解得到的时候，称这个问题具有贪心选择性。

存在的问题

贪心算法也存在如下问题：
1、不能保证解是最佳的。因为贪心算法总是从局部出发，并没从整体考虑 ；
2、贪心算法一般用来解决求最大或最小解；
3、贪心算法只能确定某些问题的可行性范围 。

适用情况举例

贪心策略适用的前提是：局部最优策略能导致产生全局最优解。
许多典型的算法实际上就是贪心算法：

• 哈夫曼树
  带权路径长度最小的二叉树就是哈夫曼树。在哈夫曼树中，权值越大的节点离根越近。

• 最小生成树（Kruskal算法/Prim算法）
  Kruskal算法:判断权值最小的边的两端是否属于不同连通分量
  Prim算法:从所有一端已加入树中，一端未加入树中的节点中选择权值最小的边

• 最短路径（Dijkstra算法）
  1、设v0为原点，S={v0}，dist[v0]=0；
  2、找到u∈S，v∉S，使得dist[u]+edge[u][v]最小，则将v加入S中，并且v0到v的最短路径为dist[v]=dist[u]+edge[u][v]
  3、重复上述过程，直至所有顶点都加入S中

贴一道印象深刻的题：

• 在二维空间中有许多球形的气球。对于每个气球，提供的输入是水平方向上，气球直径的开始和结束坐标。开始坐标总是小于结束坐标。
  一支弓箭可以沿着 x 轴从不同点完全垂直地射出。在坐标 x 处射出一支箭，若有一个气球的直径的开始和结束坐标为 xstart，xend， 且满足 xstart ≤ x ≤ xend，则该气球会被引爆。可以射出的弓箭的数量没有限制。 弓箭一旦被射出之后，可以无限地前进。我们想找到使得所有气球全部被引爆，所需的弓箭的最小数量。
  给你一个数组 points ，其中 points [i] = [xstart,xend] ，返回引爆所有气球所必须射出的最小弓箭数。
  链接：leetcode 452. 用最少数量的箭引爆气球

  思路： 将points中的元素按照xstart值由大到小排序，从xstart最大值开始依次作为x值，引爆气球，直至所有气球都被引爆。

心得

2020年秋招过程中，感觉有一些算法是经常被问到的，在看大厂面经时，经常涉及修改算法减少时间复杂度的情况。
前边那道射爆气球的问题是在LeetCode上刷到的，可能还会有其他更好的方法，放在这里作为例子，只是做一个思路上的总结。在遇到求最大/最小解时，可以考虑贪心算法。
算法的学习对我来说可能是比较痛苦的，最近开始尝试写博客，记录自己的学习进度和心得，希望自己能坚持学习，找到自己的学习方式和高效的学习方法。