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，比如教師排課系統，任務排程。
eg：現在有乙個場地，明天有n個活動，給出n個活動的開始和結束時間，如何安排最多場次的活動？
針對上面的問題，我們要選出一種貪心策略，比如選擇越早開始的活動優先順序高，或者越早結束的活動優先順序高，或者占用時間最短的活動優先順序高，沒有固定的框架，要更多的進行窮舉找到相對合適的貪心策略。
現在我們認為，越早開始，活動次數就越多：
publicclass
activitygreedy }}
}@getter
@tostring
class
activity
}
輸出結果：
activity(num=3, start=8, end=9)
activity(num=2, start=9, end=10)
activity(num=1, start=10, end=12)
activity(num=4, start=12, end=14)
activity(num=6, start=14, end=15)
這就是以我們選擇的貪心策略，最終給我們計算的最優解。
上面的問題，用貪心演算法可以處理，但是有些情況，我們一定要拿到最優解，這樣就不能使用貪心演算法了，這時候就要用到動態規劃的演算法思想。
動態規劃的基本思想：問題可以分解成子問題，子問題可以重複，針對子問題求最優解，最終得到原問題的最優解。
揹包問題：乙個揹包，容量50kg，三個物品，分別是10kg/30元，20kg/50元，40kg/60元，物品不能分割，且每件物品只能拿一件，如何獲取最大價值？
動態規劃求解的核心在於找到狀態轉移方程：
把5kg的袋子，按照1kg累加計算
10kg
20kg
30kg
40kg
50kg
加物品1
30 30
3030
30加物品2
3050
30+50=80
80 80
加物品3
3050
30+50=80
8030+60=90
上面表示的是：在當前重量下，加入某商品時，產生的最大價值。能裝這個物品的時候，和上面的價值比較，大的話就裝，小就不裝。
定義金額陣列value，重量陣列weight，商品遍歷下標i，能獲取到狀態轉移方程：
math.max(value[i] + res[i][j - weight[i]], res[i-1][j]);
公式翻譯成**：
publicstatic
void
main(string args) ;
//商品重量
int weight = ;
//計算結果，使用二維陣列儲存當前重量下裝到當前物品時的最大價值
int res = new
int[3 + 1][w + 1];
//兩層迴圈，第一層是每次要增加的物品
for (int i = 1; i <= n; i++)
//當前重量裝不下當前物品，最大重量和沒裝這個物品時一樣
else}}
system.out.println(res[3][w]);
}
輸出結果：90
再看乙個示例，比如購物車有n件商品，現在中獎了，可清除購物車，額度10000元，如何使現有商品清除總額最高？
publicstatic
void
main(string args)
else}}
//輸出最大總額
system.out.println(res[value.size()][max]);
//輸出具體選了哪些商品：邏輯是，最後乙個商品和倒數第二個商品，在10000額度的時候如果前者總額大於後者總額，說明最後乙個品可清除，以此類推
int temp =max;
for (int i = value.size(); i >= 1; i--) }}
@getter
@tostring
class
item
}
輸出結果：
額度：9997
item(name=冰箱, value=1673)
item(name=馬桶, value=1492)
item(name=淨化器, value=2102)
item(name=鍵盤, value=632)
item(name=耳機, value=1099)
item(name=手機, value=2999)
以上就是個人對貪心演算法和動態規劃的理解。
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 and 動態規劃
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 ...
動態規劃和貪心演算法對比
動態規劃和貪心演算法都是一種遞推演算法 均有區域性最優解來推導全域性最優解 不同點 貪心演算法 1.貪心演算法中，作出的每步貪心決策都無法改變，因為貪心策略是由上一步的最優解推導下一步的最優解，而上一部之前的最優解則不作保留。2.由 1 中的介紹，可以知道貪心法正確的條件是 每一步的最優解一定包含上...