貪心演算法是常見的基礎演算法，它在求解問題時總想用當前看來最好的方法去實現，而到了下一步，再用下一步時最好的方法來解決，因此有了貪心的名字。此方法不從整體去考慮，僅是在某種意義上的區域性最優求解。雖然貪心演算法不是對所有的問題都能得到整體最優解，但是面對範圍相當廣泛的很多問題時，能產生整體最優解或是整體最優解的高度近似解，因此可見貪心演算法只是追去一定範圍內的最優。
1.貪心演算法的基礎
貪心演算法在解決乙個問題時，通常會從某乙個初始解出發，逐步逼近給定的目標，以便盡快求出更好的解。
當達到演算法中的某一步不能在繼續進行下去的時候，就停止演算法，給出乙個近似解。由貪心演算法的特點和思路可以看出，貪心演算法存在以下3個問題。
(1).不保證最後得解是最優的（實際上它從不考慮最後得結果）
(2).不能用來求最大或最小解的問題
(3).只能滿足某些約束條件的可行解的範圍
而通常情況下，貪心演算法的思路如下：
(1).建立數學模型來描述問題
(2).將求解的問題分解為若干範圍較小的子問題
(3).對每一子問題求解，得到子問題的區域性最優解
(4).把子問題的區域性最優合併成原問題的區域性最優解
下面我們通過兩個例子來描述貪心演算法
1.找零方案
在現實生活中，我們買東西經常需要找零，而商店找零的方法通常是優先找面額大的，再找小面額的。因為我們永遠都不是商店的最後乙個顧客，因此商店為了保證下乙個顧客依然有零錢可以找，會盡可能的把面額大的找給我們，而把零錢留給自己。
人民幣有100、50、20、10、5、1、0.5、0.2、0.1(單位：元)等多種面額，設計乙個找零演算法，使得面值大的盡可能多的被找。
#include using namespace std ;
int main(void) ;
cin >> money ;
for(i = 0 ; i < 9 ; ++ i)
}return 0 ;
}
假設有編號為0,1,2.....n-1的n中物品，體積分別為v0,v1,v2......v(n-1)，現需要將這些物品裝進容積為v的若干箱子中，且箱子的體積不會小於任一物品。不同的裝法可能。需要數量不同的箱子，現在我們需要用盡可能少的箱子裝下所有的物品。
例：箱子的容量為10，有四個物品，體積分別為6,7,4,3，如果按照6->7->4->3的順序，需要3個箱子，而如果按照6->4->7->3的順序，只需要兩個箱子。
選擇資料結構
資料結構的選擇關係到演算法的高效與否。
儲存鏈式結構，不涉及元素的進出，排除了棧和佇列。有陣列和鍊錶可供選擇，而我們在裝箱問題中選擇鍊錶的原因有一下兩點：
1.建立資料結構時，我們事先並不知道需要多少箱子，即無法確定元素的個數。
2.在演算法的執行中，我們一旦確定了物品裝進哪個箱子，就需要將物品和箱子建立某中記憶體上的聯絡，使得通過箱子可以找到其中的物品。
而陣列顯然不具備以上功能，因此我們選擇鍊錶。
typedef struct gnode gnode ;
typedef struct elemnode elemnode ;
typedef struct gbox gbox ;
實際**如下：
#include #include const int maxv = 10 ;
typedef struct gnode gnode ;
typedef struct elemnode elemnode ;
typedef struct gbox gbox ;
gbox * pack(gbox * hb , gnode * hg , int num)
findend ->next = newnode ;
ibox ->v -= newnode ->gv ;}}
newbox = (gbox *)malloc(sizeof(gbox)) ; //如果當前所有箱子都不符合條件，建立乙個新的箱子節點
newbox ->v = maxv ; //並初始化
newbox ->nextnode = null ;
newbox ->nextbox = null ;
t = t ->nextbox = newbox ; //然後將新的箱子掛在箱子鏈的末尾
t ->nextnode = newnode ; //最後將新的物品掛在新的箱子上
}}void display(gbox * hbox)
printf("\n") ;
}}int main(void)
gbox * hbox = null ;
hbox = pack(hbox , hg , num) ;
display(hbox) ;
return 0 ;
}
基礎演算法 貪心演算法
概述 貪心演算法是從問題的初始狀態出發，通過若干次的貪心選擇而得到的最優值的一種求解策略，即貪心策略。簡單來說，貪心策略是一種在每次決策時採取當前意義下最優策略的演算法，做出的選擇至少在某種約束條件下的區域性最優解或較優解，並不一定是全域性的最優解或較優解，但在某些特定的情況下，可以利用貪心演算法來...
演算法基礎 貪心演算法
1.演算法思想 假設乙個問題比較複雜，暫時找不到全域性最優解，那麼我們可以考慮把原問題拆成幾個小問題 分而治之思想 分別求每個小問題的最優解，再把這些 區域性最優解 疊起來，就 當作 整個問題的最優解了。2.基本步驟 3.前提條件 4.問題分類 按序列任務分 按子任務來分解，即每一步都是在前一步的基...
演算法 貪心演算法
把乙個複雜問題分解為一系列較為簡單的區域性最優選擇，每乙個選擇都是對當前解的乙個擴充套件，知道獲得問題的完整解。在解決問題的策略上目光短淺，只根據當前已有的資訊做出選擇，而且一旦做出了選擇，不管將來有什麼結果這個選擇都不會改變。換言之，貪心法並不是從整體最優考慮，它所做出的選擇只是在某種意義上的區域...