数据结构与算法之 算法：贪心

        算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

        算法中的指令描述的是一个计算，当其运行时能从一个初始状态和（可能为空的）初始输入开始，经过一系列有限而清晰定义的状态，最终产生输出并停止于一个终态。一个状态到另一个状态的转移不一定是确定的。随机化算法在内的一些算法，包含了一些随机输入。        

贪心

1、特点：
    最优化问题（但并不是所有的最优化问题都能用贪心算法来解决，eg：0-1背包问题）
    在某种意义上的局部最优解
2、应用：

（1）找零问题

def change(n, t):
    """贪心算法：找零问题"""
    m = [0 for _ in range(len(t))]
    for i, money in enumerate(t):
        m[i] = n // money
        n = n % money
    return m, n

print(change([100, 50, 20, 5,1], 376))

（2）背包问题：

def fraction_backpack(goods, w):
    """贪心算法：分数背包问题"""
    # 先给商品按单位重量的价格排序
    goods.sort(key=lambda x: x[0]/x[1], reversed=True)
    # 最后返回每个商品拿的数量
    m = [0 for _ in range(len(goods))]
    # 拿走的总价值
    total_v = 0
    for i, (prize, weight) in enumerate(goods):
        # 当背包重量w足够时全部拿走该商品的同时背包重量自减，否则按比例拿(此时背包已满)
        if w >= weight:
            m[i] = 1 
            w -= weight
            total_v += prize
        else:   # 按比例拿(此时背包已满)
            m[i] = w / weight
            w = 0
            total_v += m[i] * prize
            break
    return m        

# 每个商品元组表示价（价格，重量）
goods = [(60,10),(100,20),(120,30)]
fraction_backpack(goods, 50)

（3）拼接最大数字问题

from functools import cmp_to_key
def xy_cmp(x,y):
    if x+y < y+x:
        return 1
    elif x+y > y+x:
        return -1
    else:
        return 0

def number_join(li):
    """贪心算法：拼接最大数字问题"""
    li = list(map(str, li))
    li.sort(key=cmp_to_key(xy_cmp))
    return "".join(li)

li = [32, 94, 128, 1286, 6, 71]
print(number_join(li))  # 94716321286128

（4）活动选择问题