動態規劃在某一步決定優化函式的最大或者最小值時候，需要考慮子問題的優化函式值，從中選出最優的結果。貪心法 也是多不判斷，不考慮子問題的計算結果， 根據當時情況採取「只顧眼前的」貪心策略決定取捨，工作量少於動態規劃很多，更具效率（可導致區域性最優化而不是全域性優化）si 和 fi 為其開始和截止時間；
一般有三種思路：（此為正常化解決方案）
按照開始時間從小到大排序
反例 ：
s1=0,f1=20;s2=2,f2=7;s3=8,f3=15;
此時僅可以選擇第乙個活動 第二個和第三個活動 其實是更好的選擇
按照活動占用時間從小到大排序
反例：s1=0,f1=8;s2=07,f2=9;s3=8,f3=15;
按照截止時間從小到大排序
這個是可以實現的
#includeint main()
return a[n];
}[
演算法 貪心法
感謝華北電力大學王墨玉老師的ppt 基礎知識 應用條件 最優子結構性質 原問題包含了其子問題的最優解 對於乙個問題可能會有不同的量度標準，選擇其中可以獲得最優解的量度標準是貪心法設計的核心問題 例題活動安排問題 可求得最優解 int greedyselector int s,int f,int a ...
python貪心法 演算法 貪心
貪心演算法也被稱為貪婪演算法，它是指在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優上加以考慮，他所做出的是在某種意義上的區域性最優解。貪心演算法不是對所有問題都能得到整體最優解，關鍵是貪心策略的選擇，選擇的貪心策略必須具備無後效性，即某個狀態以前的過程不會影響以後的狀態，只與...
演算法學習 貪心法
只選擇乙個子問題 1.快2.不能保證獲得最優解，可以作為近似解，一般，在特殊情況下可保證最優解。3.適合於組合優化問題 貪心選擇策略 分解方案 s s0,c c0 部分解s，候選集c while complete s 解擴充套件 c c c中引數重新計算以及候選集調整 注意 實現時dist 的初始值...