数据结构与算法学习总结--贪心算法

如何理解贪心算法

贪心算法是指在对问题求解时，总是做出当前看来是最好的选择。由于不从整体考虑，所做出的是在某种意义上的局部最优解

贪心算法基本思想

从问题的某一个初始解出发，一步一步进行，根据某个优化测度，每一步都确保能获得局部最优解
每一步只考虑一个数据，若下一个数据和部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据都枚举完，或者不能再添加时算法结束

贪心算法解决问题的步骤

• 首先要能想到贪心算法

什么样的问题才适合使用贪心算法？
针对一组数据，定义了限制值和期望值，希望从中选取几个数据，在满足限制条件的情况下，期望值最大。

• 尝试看用贪心算法能不能解决问题

每次都选择在当前情况下，在对限制值同等贡献量的情况下，对期望值贡献最大的数据

• 举几个例子看贪心算法产生的结果是否是最优的

注：贪心算法不适用于前面的选择会影响后面的选择的情况

过程步骤：

1、建立数学模型来描述问题
2、把求解问题分成若干个子问题
3、对每一个子问题求解，得到子问题的局部最优解
4、把子问题的局部最优解合成原来问题的一个解

贪心算法经典应用

• 霍夫曼编码 (Huffman Coding)
• 最小生成树算法
• 单源最短路径算法

注： 贪心算法实际的应用场景有限
学习贪心算法最有效的学习方法是多练习
贪心算法最难的是如何将要解决的问题抽象成贪心算法模型

常见面试考题

分苹果 ：有m个苹果和n个孩子（m < n），m个苹果大小不同，n个孩子对苹果的大小需求不同，如何分配，让最多数量的孩子得到苹果

贪心算法和动态规划对比

• 相同点

都是一种推导算法
都是分解成子问题来求解，都需要具有最优子结构

• 不同点

1、贪心算法：每一步的最优解一定包含上一步的最优解，上一步之前的最优解不保存
动态规划：全局最优解一定包含某个局部最优解，但是不一定包含上一个局部最优解，因此需要记录之前所有的局部最优解
2、 贪心算法不能保证得到全局最优解，一般复杂度低，动态规划一定可以得到全局最优解，复杂度高