算法学习之贪婪技术（贪心算法）

贪婪技术（贪心算法）

定义

贪婪法建议通过一系列步骤来构造问题的解，每一步对目前构造的部分解做一个扩展，直到获得问题的完整解为止。这个技术的核心是，所做的每一步选择都必须满足：

• 可行的：即它必须满足问题的约束。
• 局部最优：它是当前步骤中所有可行选择中最佳的局部选择。
• 不可取消：即选择一旦做出，在算法的后面步骤中就无法改变了

理解

这种方法模式一般将求解过程分成若干个步骤，在每个步骤都应用贪心原则，选取当前状态下最好的或最优的选择(局部最有利的选择)，并以此希望最后对跌出的结果也是最好的或最优的解。

贪心算法。动态规划法、分治法都是对问题进行分解，定义最优解的子结构.
贪心算法与其他方法最大的不同在于，贪心算法每一步做完之后，局部最优解就确定了，不再进行回溯处理，也就是说，每个步骤的局部最优解确定以后，就不再修改，直到算法结束。因为不会进行回溯，贪婪法只在很少的情况下可以得到真正的最优解，比如最短路径问题、图的最小生成树问题。
大多数情况下，贪婪法会错过真正的最优解，但是贪婪法简单高效，省去了为找最优解可能需要的穷举操作，可以得到与最优解比较接近的近似最优解，通常作为其他算法的辅助算法使用.

Prim算法（最小生成树）

Prim算法通过一系列不断扩张的子树来构造一棵最小生成树。我们从图的顶点集合V中任意选择的一个单顶点，作为序列中的初始子树。每一次迭代时，以一种贪婪的方式来扩张当前的生成树，即简单地把不在树中的最近顶点添加到树中。（我们所说的最近顶点，是指一个不在树中的顶点，它以一条权重最小的边和树中的顶点相连。而树的形状是无所谓的。）当图的所有顶点都包含在所构造的树中以后，该算法就停止了。
因为在每次迭代的时候，该算法只对树扩展一个顶点，这种迭代的总次数是n-1，其中n是图中的顶点个数。对树进行扩展时用到的边的集合用来表示该算法的生成树。

算法 Prim（G）
//构造最小生成树的Prim算法
//输入：加权连通图G=<V,E>
//输出：ET组成G的最小生成树的边的集合
VT←{
   v0}     // 可以用任意顶点来初始化树的顶点集合
ET←Ф
For i←1 to |V|-1 do
       在所有的边(v