贪心算法与分治

贪心算法与分治

动态规划和贪心算法都是一种递推算法，均用局部最优解来推导全局最优解，是对遍历解空间的一种优化。
当问题具有最优子结构时，可用动态规划，而贪心是动态规划的特例。

什么是贪心策略？
顾眼前：遵循某种规则，不断（贪心得）选取当前的最优策略，最终找到最优解（言外之意就是，只追求眼前的最优，不考虑长远。）
（举个股票的例子，股票的未来增长趋势并不知道，在当前某个增长点，知道他是增长的，打算买入，不考虑未来变化趋势，这就是一种贪心策略。）
难点：当前最优未必是整体最优。

package 动态规划与贪心算法;

import java.util.Scanner;
/**
 * 有1元、5元，10元，50元，100元，500元的硬币各c1,c5,c10,c50,c100,c500枚，现在要用这些硬币来支付A元，最少需要多少枚硬币？
假定本题至少存在一种支付方案，且
0<=ci<=10^9     0<=A<=10^9
输入：
第一行有六个数字，分别代表从小到大6种面值的硬币的个数
第二行为A，代表需支付A元
样例输入：
3 2 1 3 0 2
620
样例输出：
6
 * @author 万物甦醒
 *
 */
public class 硬币支付问题 {

	public static void main(String[] args) {
		Scanner scanner = new Scanner(System.in);
		for(int i = 0; i<6 ; i ++) {
			cnts[i] = scanner.nextInt();
		}
		int A = scanner.nextInt();
		int res = f(A,5);
		System.out.println(res);

	}
	static int[] cnts =new int[6];
	static int[] coins = {1,5,10,50,100,500};
	
	/**
	 * 尽量使用大面值，因为小面值硬币，一定的不到最优解
	 */
	static int f(int A,int cur) {
		if(A<=0) return 0;
		if( cur == 0 ) return A;
		
		int coinValue = coins[cur];
		int x = A/coinValue;    //金额有多少个coinValue
		int cns = cnts[cur];    //当前面值的硬币值有cnt个
		int t =min(x,cns);
		
		return t+f(A-t*coinValue, cur-1);
	}
	
	private static int min(int x, int cns) {
		// TODO 自动生成的方法存根
		return x>=cns? cns:x;
	}
}