贪心算法

贪心算法

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 从而希望
导致结果是最好或最优的算法

1. 求解每种水果的单价
	苹果 1/kg
	梨子 3/kg
	香蕉 2/kg
	菠萝 4/kg
	圣女果 1.5/kg 

2. 水果的重量 与 背包的总质量
3.首先放水果单价比较高的水果
	
	菠萝 20kg 
	梨子 30kg
	香蕉太重
	圣女果 50kg
	总价值:	80+90+75

把求解的问题 分成若干个子问题
把对每一个子问题的求解 得到的子问题的局部最优解
把子问题的局部最优解合成原来问题的一个解

贪心算法解决问题的前提：
局部最优策略能够产生全局最优解

动态规划

动态规划 dynamic programming 简称 dp 
通过把原问题分解为相对简单的子问题
动态规划的核心就是**记住已经解决过的子问题的解**
1. 自顶向下的备忘录法
2. 自底向上

用传统递归的方式解决斐波那契数列问题 很多值会重复计算

方法一 自顶向下备忘录法
public class Fb{
	
	// 计算斐波那契数列
	public static int fib(int n , int [] memory){
		//用-1 表示备忘录中没有记录fn的值
		// 如果备忘录中记录了该值 直接返回
		if( memory[n] != -1 ){
			return memory[n]
		}
		if( n <= 2 ){
			memory[n] = 1;
		}else{
			memory[n] = fib(n-1,memory) + fib(n-2,memory)
		}
		return memory[n];
	}
	
	public static int fibonaci(int m){
		if(n <= 0){
			return -1
		}
		int [] memory = new int[n+1]
		for(int i = 0 ; i <= n ; i++){
			memory[i] = -1;
		}
		return fib(n,memory);
	}	
}
方法2 自底向上的动态规划

memory[1] = 1;
memory[2] = 1;
for(int i = 3; i <= n ; i++ ){
	memory[i] = memory[i-1] + memory[i-2]
}
return memory[n];