标签：www   sel   包括   策略   子节点   试题   算法   解决   并且   

转自https://www.cnblogs.com/gavanwanggw/p/7141358.html

怎么理解

　　贪心法在解决这个问题的策略上目光短浅，仅仅依据当前已有的信息就做出选择，并且一旦做出了选择。无论将来有什么结果，这个选择都不会改变。

　　一句话：不求最优，仅仅求可行解。

怎样推断

　　  对于一个详细的问题，怎么知道是否可用贪心算法解此问题，以及是否能得到问题的最优解?

　　我们能够依据贪心法的2个重要的性质去证明：贪心选择性质和最优子结构性质。

　　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。

一般求解过程

　　使用贪心法求解能够依据下面几个方面进行（终于也相应着每步代码的实现），以找零钱为例：

　　1、候选集合(C)

　　　　通过一个候选集合C作为问题的可能解。（终于解均取自于候选集合C）

　　　　比如。在找零钱问题中，各种面值的货币构成候选集合。

　　2、解集合(S)

　　　　每完毕一次贪心选择，将一个解放入S。终于获得一个完整解S

　　3、解决函数(solution)

　　　　检查解集合S是否构成问题的完整解。

　　　　比如，在找零钱问题中。解决函数是已付出的货币金额恰好等于应付款。

　　4、选择函数(select)

　　　　即贪心策略。这是贪心法的关键，选择出最有希望构成问题的解的对象。

（这个选择函数通常和目标函数有关）

     　　   比如，在找零钱问题中，贪心策略就是在候选集合中选择面值最大的货币。

　　5、可行函数(feasible)

　　　　检查解集合中增加一个候选对象是否可行。（增加下一个对象后是不是满足约束条件）

　　　　比如。在找零钱问题中，可行函数是每一步选择的货币和已付出的货币相加不超过应付款。

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;

}

贪心算法

标签：www   sel   包括   策略   子节点   试题   算法   解决   并且   

原文地址：https://www.cnblogs.com/jing-yu/p/9676073.html