贪心算法教程（个人总结版）

背景

贪心算法（Greedy Algorithm）是一种在每一步选择中都采取在当前状态下最好或最优的选择，期望通过局部最优选择达到全局最优解决方案的算法。贪心算法的应用广泛，包括图算法、动态规划、贪心选择、装载问题等。它通常用于解决优化问题，例如最短路径、最小生成树、背包问题等。

贪心算法的基本思想

贪心算法的核心思想是，在每一步都选择当前最优解，以期最终达到全局最优。贪心算法通常包括以下几个要素：

1. 贪心选择性质：可以通过局部最优选择构造出全局最优解。
2. 最优子结构性质：一个问题的最优解包含其子问题的最优解。

贪心算法的应用

贪心算法在许多经典问题中有着广泛的应用，如：

1. 活动选择问题：选择不重叠的最大活动集合。
2. 背包问题：选择最大价值的物品装入背包。
3. 哈夫曼编码：构造最优前缀码。
4. 最小生成树问题：如Prim算法和Kruskal算法。
5. 最短路径问题：如Dijkstra算法。

贪心算法的实现

1. 活动选择问题

问题描述

给定一组活动，每个活动有一个开始时间和结束时间。要求选择尽可能多的互不重叠的活动。

贪心策略

每次选择结束时间最早且不与已选活动重叠的活动。

算法实现

def activity_selection(activities):
    # 按照结束时间排序
    activities.sort(key=lambda x: x[1])
    
    # 选择活动
    selected_activities = []
    last_end_time = 0
    
    for activity in activities:
        if activity[0] >= last_end_time:
            selected_activities.append(activity)
            last_end_time = activity[1]
    
    return selected_activities

# 示例
activities = [(1, 4), (3, 5), (0, 6), (5, 7), (3, 8), (5, 9), (6, 10), (8, 11), (8, 12), (2, 13), (12, 14)]
selected_activities = activity_selection(activities)
print("选择的活动:", selected_activities)

详细解释

1. 排序：首先按照活动的结束时间对活动进行排序。
2. 选择活动：遍历排序后的活动列表，每次选择第一个不与已选择活动重叠的