贪⼼算法（4）：活动选择问题我们继续回到上⼀堂课留下的课外习题：活动选择问题。
活动选择问题是很常见的场景。
例如各个部门共享⼀个会议室，利⽤该算法能使会议室安排尽量多的会议。
【问题】给你n个活动的开始时间和结束时间，从中选择你可以参与的活动，但是同⼀时间你只能参与⼀个活动，请找出你可以参与的最多活动数。
例如：考虑下⾯3个活动a1,a2和a3, 它们{开始时间点,结束时间点}分别为：a1 {start=10,finish=20}a2 {start=12,finish=25}a3 {start=20,finish=30}贪⼼算法直接在每⼀步选择当前看来最好的选择。
在开始时，选择活动结束时间最早的那个活动，这样能够给其他活动尽可能的腾出多余的时间。
⽽后每⼀步都在剩下的活动中选取，也遵循类似的原则。
由于获取已经按照结束时间排序好，所以这⾥第⼀个选择的活动就是a0，由于a0于时间20结束，马上再找⼀个活动，只有a2可以选择，a2结束之后再也没有活动可选了。
因此得到答案：最多可以参加两个活动（a0,a2）。
算法分析和设计现在请你设计⼀种贪⼼算法解决类似活动选择问题。
我们设计下列贪⼼算法的贪⼼策略：选择其余活动中完成时间最短的下⼀个活动，并且开始时间⼤于或等于先前所选活动的结束时间。
我们可以根据他们的完成时间对活动进⾏排序，以便我们始终将下⼀个活动视为最⼩完成时间活动。
算法描述如下{k}}U{1}，必定仍然是⼀个最佳解决⽅案，说明如下：因为S 中的活动是独⽴的，⽽在排序队列中，【活动1】在所有活动中具有最⼩的结束时间，因为k不等于1，【活动k】的完成时间必定是⼤于等与【活动1】的完成时间，因此把【活动k】换成【活动1】后的新⽅案S‘必定也是最佳解决⽅案。
算法实现在以下C/C++代码实现中，假设活动已根据其完成时间进⾏了排序。
#include<stdio.h>// n --> 活动个数// s[] --> 数组保存所有活动的开始时间// f[] --> 数组保存所有活动的结束时间void printMaxActivities(int s[], int f[], int n){int i, j;printf ('选择以下的活动\n');// 第⼀个活动总是选中i = 0;printf('%d ', i);// 依次检查余下的活动for (j = 1; j < n; j++){//如果某活动在之前选择的活动结束之后开始if (s[j] >= f[i]){printf ('%d ', j);i = j;}}}//主程序int main(){int s[] = {1, 3, 0, 5, 8, 5};int f[] = {2, 4, 6, 7, 9, 9};int n = sizeof(s)/sizeof(s[0]);printMaxActivities(s, f, n);return 0;}注意：若是finish数组没有排序，需要先对它进⾏排序。
贪心算法的基本原理贪心算法（Greedy Algorithm）是一种常用的算法思想，它在求解最优化问题时通常能够得到较好的近似解。
贪心算法的基本原理是：每一步都选择当前状态下的最优解，从而希望最终能够得到全局最优解。
在实际应用中，贪心算法常常用于解决一些最优化问题，如最小生成树、最短路径、任务调度等。
一、贪心算法的特点贪心算法具有以下特点：1. 简单：贪心算法通常比较简单，易于实现和理解。
2. 高效：贪心算法的时间复杂度通常较低，能够在较短的时间内得到结果。
3. 局部最优：每一步都选择当前状态下的最优解，但不能保证最终能够得到全局最优解。
4. 适用范围：贪心算法适用于一些特定类型的问题，如无后效性、最优子结构等。
二、贪心算法的基本原理贪心算法的基本原理可以概括为以下几个步骤：1. 初始状态：确定问题的初始状态，定义问题的输入和输出。
2. 状态转移：根据当前状态，选择局部最优解，并更新状态。
3. 筛选解：判断当前状态下是否满足问题的约束条件，若满足则保留该解，否则舍弃。
4. 终止条件：重复以上步骤，直至满足终止条件，得到最终解。
三、贪心算法的应用举例1. 找零钱：假设有 25、10、5、1 四种面额的硬币，需要找零 41 元，如何使得找零的硬币数量最少？贪心算法可以先选择面额最大的硬币，然后逐步选择面额较小的硬币，直至找零完毕。
2. 区间调度：给定一组区间，如何选择最多的互不重叠的区间？贪心算法可以先按照区间的结束时间排序，然后依次选择结束时间最早的区间，直至所有区间都被覆盖。
3. 最小生成树：在一个连通的带权无向图中，如何选择边使得生成树的权值最小？贪心算法可以按照边的权值从小到大排序，然后依次选择权值最小且不构成环的边，直至所有顶点都被连接。
四、贪心算法的优缺点1. 优点：贪心算法简单高效，适用于一些特定类型的问题，能够在较短的时间内得到近似最优解。
2. 缺点：贪心算法不能保证一定能够得到全局最优解，可能会出现局部最优解不是全局最优解的情况。
贪心算法基本步骤贪心算法是一种非常常用的算法思想，广泛应用于算法设计中。
本文将介绍贪心算法的基本步骤、实现方式、应用场景以及优缺点。
一、基本步骤贪心算法的基本步骤可概括为：定义最优解的性质->利用贪心策略获得局部最优解->将局部最优解合并成一个整体最优解。
具体来说，一般包括以下几个步骤：1. 确定问题的最优解性质：要知道问题的最优解应该具有怎样的性质或特征，这些性质可以用于判断一个解是否符合规则或结果是否符合要求。
2. 构造候选解集：根据最优解的性质，不断构造可行的候选解集合，并通过一定的方法筛选出其中的解。
3. 选择最优解：从候选解集中选择一个最优解。
4. 验证最优解：通过验证最优解是否合法（满足约束条件）以及是否为问题的最优解，来验证贪心策略的正确性。
二、实现方式贪心算法的实现方式是比较灵活的，有些问题可以通过贪心策略来解决，有些则不行。
一般而言，如果问题的最优解具有贪心选择性质（即每一步的局部最优解能导致全局最优解），则采用贪心策略是可行的。
对于一些场景，我们可以通过规律来得到贪心策略。
例如：1. 集合覆盖问题：从未被覆盖的地方中选择一个覆盖点集最大的点，并删除所有覆盖的集合；2. 分数背包问题：选择性价比最高的物品，先吸纳尽量多的物品，再考虑其他物品。
三、应用场景1. 背包问题：针对背包问题和其变种，常见的贪心策略有分数背包（与完全和01背包有区别）和完全背包问题；2. 活动安排问题：在一些课程、项目或活动间选择，使得能够安排最多活动；3. 区间选择问题：在一些区间间选择相互不重叠的区间，使得能够选出最大的区间数；4. 集合覆盖问题：在一些集合中选择最少的集合，使得能够覆盖所有元素。
四、优缺点优点：1. 算法简单：贪心算法通常比较简单，易于理解和实现；2. 运算速度快：其时间复杂度一般较低，运算速度很快；3. 可以作为其他算法的优化：贪心策略可以应用于其他算法的优化中。
缺点：1. 不一定能够得到最优解：贪心策略仅考虑当前的局部最优解，对于全局最优解可能产生影响；2. 单一性：贪心算法的结果是唯一的，难以应对变化条件的需要，一旦局部最优解不满足当前的情况，算法就会失去原先的效果；3. 实现困难：对于有些问题，贪心算法并不是很好实现，涉及到更多的问题分析和模型的构造。
