解題思路：
1.針對一組資料，定義了限制值和期望值，在滿足限制值的情況下，期望值最大
2.每次選擇當前情況下，最對限制值同等貢獻的情況下，對期望值貢獻最大的資料
3.舉幾個例子驗證一下貪心演算法的正確性
在很多情況下貪心演算法並不能給出問題的最優解，因為貪心演算法總是選擇當前情況下最優的解，比如在有權圖中尋找最短路徑，可能因為選擇了當前的最優解，而放棄了其他路徑之後的最優解。
貪心演算法的經典實戰:揹包問題，分糖果問題，錢幣找零，區間覆蓋，哈夫曼編碼
核心就是：分而治之，將原問題劃分成 n 個規模較小，並且結構與原問題相似的子問題，遞迴的解決這些子問題，然後再合併結果，就得到原問題的解。
分支演算法是一種處理問題的思想，遞迴是編碼的一種技巧。一般需要用分支演算法解決的問題都用遞迴來解決。
分支演算法在大資料中應用的比較明顯
分支演算法的經典實戰：求陣列的逆序對個數
回溯的處理思想有點類似於列舉，列舉出所有的解，找到符合期望值的解。把問題求解的過程分為幾個階段，每個階段，我們都會做出選擇，就像走路一樣，當發現這條路走不通，我們就回到上乙個岔路口，重新選擇，知道找到期望值。
回溯演算法的經典實戰：八皇后問題，零一揹包問題
什麼樣的問題適合用動態規劃？ 「乙個模型，三個特徵」：
多階段決策最優解模型：
1.最優子結構：問題的最優解，包含子問題的最優解
2.無後效性：某階段的狀態，不受之後的狀態的影響，同時只用知道前面狀態值，不用管前面的狀 態是怎麼來的
3.重複子問題:不同的決策序列，到達某個相同的階段時，可能會產生重複的狀態
一般用貪心演算法解決的問題，都能夠用動態規劃來解決
動態規劃的經典實戰：0-1 揹包問題，最小路徑和
四大經典同步問題
一組生產者程序和一組消費者程序共享乙個初始為空，大小為n的緩衝區，只有緩衝區沒滿時，生產者才能把訊息放入緩衝區，否則必須等待，只有緩衝區不空時，消費者才能從中取出訊息，否則必須等待。由於緩衝區是臨界資源，它只允許乙個生產者放入訊息或乙個消費者從中取出訊息。關係分析 生產者和消費者對緩衝區訪問都是互斥...
深度學習四大經典書籍
我們都知道現在機器學習 深度學習的資料太多了，面對海量資源，往往陷入到 無從下手 的困惑出境。而且並非所有的書籍都是優質資源，浪費大量的時間是得不償失的。今天，給大家推薦這四本好書。推薦指數 本書自出版以來收到眾多好評，因為是 keras 作者寫的書，所以全書基本圍繞著 keras 講深度學習的各種...
資料探勘18大經典演算法
本文所有涉及到的資料探勘 的都放在了我的github上了。大概花了將近2個月的時間，自己把18大資料探勘的經典演算法進行了學習並且進行了 實現，涉及到了決策分類，聚類，鏈結挖掘，關聯挖掘，模式挖掘等等方面。也算是對資料探勘領域的小小入門了吧。下面就做個小小的總結，後面都是我自己相應演算法的博文鏈結，...