请解释＆＃34;登山＆＃34;并且＆＃34;贪心＆＃34;算法。
看起来两者都很相似，我怀疑是“爬山”＃34;是一种算法;这似乎是一种优化。这是对的吗？
答案 0 :(得分：41)
爬山和贪婪算法都是可以用于优化问题的启发式算法。在优化问题中，我们通常会寻求问题元素的一些最佳组合或排序。给定的组合或排序是一种解决方案。在任何一种情况下，都可以评估解决方案，将其与其他解决方案进行比较。
在爬山启发式游戏中，您可以从初始解决方案开始。生成一个或多个相邻解决方案。选择最好的并继续，直到没有更好的邻居解决方案。这通常会产生一种解决方案。在爬山时，我们需要知道如何评估解决方案，以及如何生成“邻居”。
在贪婪启发式游戏中，我们需要了解手头问题的一些特殊内容。贪心算法使用信息来生成单个解决方案。
优化问题的一个好的示例是0-1背包。在这个问题中，有一个具有一定重量限制的背包，以及一堆放入背包的物品。每个项目都有一个权重和一个值。目标是最大化背包中物体的价值，同时保持重量不受限制。
贪婪算法会选择密度最高的物体并将它们放入直到背包已满。例如，与砖相比，钻石具有较高的价值和较小的重量，因此我们将钻石放在首位。
以下是贪婪算法失败的示例：假设您有一个容量为100的背包。您有以下项目：
贪婪的算法将钻石然后完成，给出值1000.但最佳解决方案是包括5金币，给出1050的价值。
爬山算法将生成初始解决方案 - 只需随机选择一些项目（确保它们在重量限制之下）。然后评估解决方案 - 即确定值。生成相邻解决方案。例如，尝试将一个项目换成另一个项目（确保您仍然在重量限制内）。如果它具有更高的值，请使用此选择并重新开始。
爬山不是一种贪婪的算法。
答案 1 :(得分：4)
是的，你是对的。爬山是一种通用的数学优化技术（参见：http://en.wikipedia.org/wiki/Hill_climbing）。贪婪算法是任何算法，只需选择它当时看到的最佳选择并接受它。
这方面的一个例子是在最小化硬币数量的同时做出改变（至少用美元）。您可以获得硬币最高面额，然后是下一个最高面额，直到达到所需金额。
通过这种方式，登山 是一种贪心算法。