我正在阅读关于“贪婪”算法的tutorial，但我很难发现它们可以解决真正的“顶级编码器”问题。
如果我知道可以使用“贪婪”算法解决给定问题，则很容易对解决方案进行编码。但是，如果我没有被告知这个问题是“贪婪的”，我就无法发现它。
“贪婪”算法解决问题的常见属性和模式是什么？我可以将它们减少到已知的“贪婪”问题之一（例如MST）吗？
答案 0 :(得分：11)
正式地，你必须证明matroid属性。但是，我认为就topcoder而言，你更愿意快速找到问题是否可以贪婪地接近。
在这种情况下，最重要的一点是optimal sub-structure property。为此，您必须能够发现问题可以分解为子问题，并且他们的最佳解决方案是整个问题的最佳解决方案的一部分。
当然，贪婪的问题种类繁多，几乎不可能为你的问题提供一般的正确答案。因此，我最好的建议就是沿着这些方向思考：
加上负载和经验（也不得不说），这应该可以帮助您快速发现贪婪的问题。当然，您最终可能会将问题归类为贪婪，而不是。在这种情况下，您只能希望在处理代码太长时间之前实现它。
（同样，作为参考，我假设一个topcoder上下文......对于任何更现实和实际的结果，我强烈建议在选择贪婪算法之前实际验证拟阵结构。）
答案 1 :(得分：5)
你的问题的一部分可能是由于思考“贪婪的问题”引起的。存在贪婪算法和问题，其中存在贪婪算法，这导致最佳解决方案。还有其他难题也可以通过贪心算法解决，但结果不一定是最优的。
例如，对于bin打包问题，有几种贪心算法都比指数算法具有更好的复杂性，但你只能确定你会得到一个低于某个阈值的解决方案。最佳解决方案。
仅针对贪婪算法将导致最佳解决方案的问题，我的猜测是感应式正确性证明感觉完全自然且容易。对于你贪婪的每一步，很明显这是最好的事情。
通常，最佳，贪婪解决方案的问题很容易，而其他问题则会因为复杂性的限制而迫使您提出贪婪的启发式算法。通常一个有意义的减少将表明你的问题实际上至少是NP难度，因此你知道你必须找到一个启发式。对于那些问题，我是尝试的忠实粉丝。实现你的算法并尝试找出解决方案是否“相当不错”（理想情况下，如果你也有一个缓慢但正确的算法，你可以比较结果，否则你可能需要手动创建的基础事实）。只有你有一些运作良好的东西，试着思考为什么，甚至可能尝试提出界限证明。也许它有效，也许你会发现它不起作用并需要改进的边界情况。
答案 2 :(得分：1)
“用于描述一系列算法的术语。大多数算法尝试从某些初始配置达到一些”好“配置，只做出合法的移动。通常有一些衡量解决方案的”好处“（假设一个是找到）。 贪婪的算法总是试图执行它可以做的最佳法律移动。请注意，这个标准是本地的：贪心算法不会“提前思考”，同意现在执行一些平庸的移动，这将允许更好的移动。
例如，埃及分数的贪婪算法试图找到一个小分母的表示。不是寻找最后一个分母很小的表示，而是在每一步都采用最小的法定分母。一般来说，这会在后续步骤中产生非常大的分母。
贪婪算法的主要优点通常是分析简单。通常也很容易编程。不幸的是，它往往是次优的。“ --- ariels （http://www.everything2.com/title/greedy+algorithm?searchy=search）