贪心算法详解

  	之前讲过动态规划DP，现在来说说贪心。
	贪心算法在解决问题的策略上目光短浅，只根据当前已有的信息就做出选择，而且一旦做出了选择，不管将来有什么结果，这个选择都不会改变。也就是说贪心对于算法的每一个决策点，每一次的选择，做一个当时看起来是最佳的选择。它并不是从整体最优考虑，它所做出的选择只是在某种意义上的局部最优。贪心算法对于大部分的优化问题都能产生最优解，但不能总获得整体最优解，通常可以获得近似最优解。
	我们先从DP来过渡到贪心，先来看一个例子，活动选择问题。
	假设有一个需要使用某个资源（教师等场地）的n个活动组成的集合S= {a1，a2，···，an }，该资源每次只能由一个活动占用。每个活动a[i]都有一个开始时间s[i]和结束时间f[i]，且0<= s[i] < f[i] <∞。一旦被选择后，活动a[i]就占据半开时间区间[s[i],f[i]）。若时间区间[s[i], fi)与区间[sj, fj)互不重叠，则称活动a[i]与活动a[j]是兼容的。也就是说，当s[i]≥f[j]或s[j]≥f[i]时，活动a[i]与活动a[j]相容。活动选择问题就是要选择一个由兼容活动构成的最大集合。
例子

	活动都按结束时间非递减排序了（后面会讲why），这个例子的最大集合就是{a[1],a[4],a[8],a[11]}和{a[2],a[4],a[9],a[11]}。

	很容易看出来这是一个DP问题，跟之前的求数组中最长递增子序列是类似的。状态转移方程就是LIS[i]=max{1,LIS[k]+1}   (a[i]和a[k]是兼容的for any k < i)。而且更重要的是我们还可以根据结束时间给每一个活动排序，这样代码就更容易写出来，这里就不贴了。

	如果是这个DP方程的话，我们是没法从DP过渡到贪心的。我们再来看一个更好的DP算法。
	既然是DP，肯定要找状态转移方程。不过我们先来寻找子问题，什么是这个原问题的子问题呢？我们刚才说到，活动选择问题就