[動態規劃dynamic programming](
貪心演算法，又名貪婪法，是尋找最優解問題的常用方法
步驟1：從某個初始解出發；
步驟2：採用迭代的過程，當可以向目標前進一步時，就根據區域性最優策略，得到一部分解，縮小問題規模；
步驟3：將所有解綜合起來。
假設你開了間小店，不能電子支付，錢櫃裡的貨幣只有 25 分、10 分、5 分和 1 分四種硬幣，如果你是售貨員且要找給客戶 41 分錢的硬幣，如何安排才能找給客人的錢既正確且硬幣的個數又最少？
這裡需要明確的幾個點：
1.貨幣只有 25 分、10 分、5 分和 1 分四種硬幣；
2.找給客戶 41 分錢的硬幣；
3.硬幣最少化
思考，能使用我們今天學到的貪婪演算法嗎？怎麼做？
（回顧一下上文貪婪法的基本步驟，1，2，3）
1.找給顧客sum_money=41分錢，可選擇的是25 分、10 分、5 分和 1 分四種硬幣。能找25分的，不找10分的原則，初次先找給顧客25分；
2.還差顧客sum_money=41-25=16。然後從25 分、10 分、5 分和 1 分四種硬幣選取區域性最優的給顧客，也就是選10分的，此時sum_money=16-10=6。重複迭代過程，還需要sum_money=6-5=1,sum_money=1-1=0。至此，顧客收到零錢，交易結束；
3.此時41分，分成了1個25，1個10，1個5，1個1，共四枚硬幣。
動態規劃與貪心演算法
1.動態規劃演算法 在解決最優解時我們用到的兩個演算法，貪心與動態規劃演算法，接下來我根據自己的理解解釋兩者的差異之處。貪心會怎樣做，動態規劃又會怎樣做？我的了解，貪心演算法是自頂向下，及每一步向下都取最大值，但得到的是最優解嗎？如圖顯然不是。接下來我會逐一跟大家演示。動態規劃解法，從小規模來看是否...
動態規劃和貪心演算法
動態規劃 通過組合子問題的解來求解原問題，常用來求解最優化問題。常用來解決以下幾類問題，但不是說遇到類似問題必須用動態規劃來解決，可以往這方面去想 1.計數問題，如有多少種方式走到右下角，有多少種方法選出k個數使得和是sum 2.求最大最小值，如從左上角走到右下角路徑的最大數字和 3.求存在性，如取...
貪心演算法和動態規劃
貪心演算法 在求解問題時，總是做出在當前看來做好的選擇，所以它是區域性最優解，試圖通過區域性最優推出全域性最優。需要注意的是貪心演算法沒有固定的演算法框架，演算法設計的關鍵是選擇貪心策略，其必須具備無後效性，即某個狀態以後的過程不會影響以前的狀態，只與當前狀態有關。常見的用貪心演算法解決的問題，比如...