ACM-贪心算法

ACM-贪心算法
   在求最优解问题的过程中，依据某种贪心标准，从问题的初始状态出发，直接去求每一步的最优解，通过若干次的贪心选择，最终得出整个问题的最优解，这种求解方法就是贪心算法。
   从贪心算法的定义可以看出，贪心算法不是从整体上考虑问题，它所做出的选择只是在某种意义上的局部最优解，而由问题自身的特性决定了该题运用贪心算法可以得到最优解。
  如果一个问题可以同时用几种方法解决，贪心算法应该是最好的选择之一。但贪心算法不是总是有效。
  当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。
  运用贪心策略在每一次转化时都取得了最优解。问题的最优子结构性质是该问题可用（贪心算法）或（动态规划）算法求解的关键特征。
  贪心算法的每一次操作都对结果产生直接影响。
贪心算法对每个子问题的解决方案都做出选择，不能回退。

使用贪心算法求解问题应该考虑如下几个方面：
（1）候选集合A：为了构造问题的解决方案，有一个候选集合A作为问题的可能解，即问题的最终解均取自于候选集合A。
（2）解集合S：随着贪心选择的进行，解集合S不断扩展，直到构成满足问题的完整解。
（3）解决函数solution：检查解集合S是否构成问题的完整解。
（4）选择函数select：即贪心策略，这是贪心法的关键，它指出哪个候选对象最有希望构成问题的解，选择函数通常和目标函数有关。
（5）可行函数feasible：检查解集合中加入一个候选对象是否可行，即解集合扩展后是否满足约束条件。

例：

①背包问题：如果物品不可以分割，称为0—1背包问题（动态规划）；如果物品可以分割，则称为背包问题（贪心算法）。使用贪心算法时总是按照性价比放入背包。

②最优装载问题：stable_sort(box, box+n+1, cmp);按照升序排集装箱重量，依次排进最轻的，得到最多的集装箱数。

③删数问题：即寻找最近的下降点，删除升序数列的最后一个，也是降序数列的第一个不降序条件：a[i] <= a[i+1]当不满足时即找到了该数。

④多处最优服务次序问题：先排序，再依次排入空闲窗口。

⑤搬桌子：将每个房间之间的走廊作为一个统计单位，找到最大的占用次数，即可得到最优解。

⑥均分纸牌：先得到期望值，过滤左右两边的合理数，再依次移动纸牌

⑦整数区间：对得到的区间的右边进行排序，对右边标记，并右移当前区间指针，直到当前区间不包含标记点,再重复上述操作。

⑧猫粮：同背包问题相似，找性价比最高的。

⑨钓鱼：先枚举要走的湖泊数，得到总净钓鱼时间，或者说净钓鱼次数，再选可钓鱼最多的湖钓鱼，如果找不到最多的，就从第一个湖开始，这样再处理不同方案的最优解。