概述
贪心算法应该算是那种“只闻其声不见其人”的算法，我们可能在好多地方都会听到贪心算法这一概念，并且它的算法思想也比较简单就是说算法只保证局部最优，进而达到全局最优。但我们实际编程的过程中用的并不是很多，究其原因可能是贪心算法使用的条件比较苛刻，所要解决的问题必须满足贪心选择性质---所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。这是贪心算法可行的第一个基本要素，也是贪心算法与动态规划算法的主要区别。
贪心算法
由于贪心算法本身的特殊性，我们在使用贪心算法之前必须要进行证明，保证算法满足贪心选择性质。具体的证明方法无外乎就是通过数学归纳法来进行证明。但大部分人可能并不喜欢枯燥的公式，因而我这里提供一个使用贪心算法的小技巧。由于贪心算法某种程度上算是动态规划算法的特例，使用条件比较苛刻，因而能够用动态规划解决的问题尽量都是用动态规划来进行先解决，如果在用完动态规划之后，提交时发现问题超时，并且进行状态压缩之后仍然超时，此时我们就可以考虑使用贪心算法来进行解决。最后强调一下，我们在使用贪心算法之前，如果要保证解法的绝对正确，一定要对问题进行证明，切记，切记！！
下边我们以区间调度问题为例，来讲一下贪心算法到底该如何取用。
区间调度问题
问题描述：
给你很多形如 [start, end] 的闭区间，请你设计一个算法，算出这些区间中最多有几个互不相交的区间。
举个例子，intvs = [[1,3], [2,4], [3,6]]，这些区间最多有 2 个区间互不相交，即 [[1,3], [3,6]]，你的算法应该返回 2。注意边界相同并不算相交。
这个问题大眼一看好像有很多贪心策略可供选择，比如我们可以选择区间最短的？或者选择开始最早的？。。。
但是上面几种策略，我们都可以比较容易的举出反例来排除，同时这也是贪心算法的另一个小技巧--虽然好多时候直接证明贪心策略的正确性很难，但是我们可以从反证法入手，对贪心策略进行证伪，排除许多错误的贪心策略。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
