实例分析，没有那么多术语：由贪心算法，np完全问题到动态规划（表格思想）

贪心算法，np完全问题

一：课程调度问题，若干节课都在同一个空教室上，如何排课最优？

答：step0：选出还没上课的结束最早的课，上课

        step1：重复step0

在这个问题中，这个直接了当的算法就是最优解，同时它也为我们介绍了贪心算法的概念：

每步都选择局部最优解，最终得到全局优解

but不是每次都可以都得到全局最优解

二：小偷的背包问题

背包存放物品重量有限，偷取总价值最高的物品放在背包内，如何设计？

贪心策略会是这样设计：

        step0：盗窃还可以装入背包的最贵物品

        step1：重复step0

很轻易可以举出例子，证明这并不能全局最优

小偷能偷的东西个数不会很多，这个题可以用其他算法获取最优解，但下面这个例子告诉了我们贪心算法的意义所在

三：集合覆盖问题

每个集合包含不同的元素，如何用最少的集合覆盖掉全部的元素？

贪心策略：step0：选出最能覆盖掉还没被覆盖掉的元素的集合

                step1：重复step0

一般思考策略，暴力求最优的解：算出能覆盖全部元素的所有集合组合（幂集），找出集合个数最少的那一个组合，则最多需要求解2的n次方个集合，效率很慢

而贪心算法的运行时间最多为n的平方，效率快的多

四：旅行商问题

一个旅行商想去n个不同的城市，求去完所有城市的较短路径

贪心策略：step0：选择还没去的最近的城市

                step1：重复step0

一般思考策略：计算所有线路，可以发现线路数量会是n的阶乘，速度很慢

小小总结

三和四都属于经典的np完全问题（基本不可能设计出快速解决算法的问题）

广度优先算法，狄克斯特拉算法等，都属于贪心算法

元素增加运行效率会大大变慢，需要列出所有组合的问题大概率是np完全问题

可以画成集合覆盖问题，旅行商问题的一定是np完全问题

贪婪算法经常用于对np完全问题的近似求解

动态规划

小偷的背包问题，动态规划求解

 由动态规划表格知：最优解是头手表和手机，总价值3000元

表格具体求解思路：

表格[行][列] = Max{表格[行-1][列],行头物品价值+表格[行][背包剩余容量]}

此题中，背包分为了0.5，1，1.5，的原因是存在重0.5的物品，如果全是整数则不用分成小数，如果小数为0.4或者其他，那么背包的表格还要分成0.4，1.4等

字符串最长公共子序列，动态规划求解

 可以知道，以上三个字符串与源字符串最大公共子序列（最右下角的值）

此题的表格构造方法是，若字符不相等，则值为左边或者上面的元素值

若字符相等，值为左上角的值加一

小小总结

动态规划，需要我们不断根据前面数据规划子问题，前面的数据可以用一维数组，二维数组（看起来就是表格）来存储

动态规划的数据，应该是离散的，即数据之间没有关联性，不会互相影响

所以动态规划的思想，是将大问题分散成一个个离散子问题

（不知不觉居然写了1100字诶！！（0.o惊讶））