1、贪心选择
什么叫贪心选择?从字义上就是贪心也就是目光短线。贪图眼前利益。在算法中就是仅仅依据当前已有的信息就做出选择,并且以后都不会改变这次选择。(这是和动态规划法的主要差别)
所以对于一个详细问题。要确定它是否具有贪心选择性质,必须证明每做一步贪心选择是否终于导致问题的总体最优解。
2、最优子结构
当一个问题的最优解包括其子问题的最优解时,称此问题具有最优子结构性质。
这个性质和动态规划法的一样,最优子结构性质是可用动态规划算法或贪心算法求解的关键特征。
区分动态规划
动态规划算法通常以自底向上的方式解各子问题,是递归过程。
贪心算法则通常以自顶向下的方式进行,以迭代的方式作出相继的贪心选择,每作一次贪心选择就将所求问题简化为规模更小的子问题。
以二叉树遍历为例:
贪心法是从上到下仅仅进行深度搜索。也就是说它从根节点一口气走到黑的,它的代价取决于子问题的数目,也就是树的高度,每次在当前问题的状态上作出的选择都是1。不进行广度搜索。所以终于它得出的解不一定是最优解。非常有可能是近似最优解。
而动态规划法在最优子结构的前提下,从树的叶子节点開始向上进行搜索,而且在每一步都依据叶子节点的当前问题的状况作出选择,从而作出最优决策。所以她的代价是子问题的个数和可选择的数目。它求出的解一定是最优解。
代码实现
C的实现:(一般试题就是在这个基础上加入详细的实现)
Greedy(C) //C是问题的输入集合即候选集合
{
S={ }; //初始解集合为空集
while (not solution(S)) //集合S没有构成问题的一个解
{
x=select(C); //在候选集合C中做贪心选择
if feasible(S, x) //推断集合S中增加x后的解是否可行
S=S+{x};
C=C-{x};
}
return S;
}