贪心算法和动态规划

贪心算法和动态规划是两种常见的算法思想,通过生活化的例子对比它们的核心区别:


一、贪心算法:活在当下,只选眼前最优

特点:每一步都选择当前看起来最好的选项,不回头、不反悔。

例子:自助餐策略

假设你去吃自助餐,想吃到总价值最高的食物:

  • 贪心策略:每次都拿当前最贵的食物(比如先拿龙虾,再拿牛排...)

  • 优点:简单快速,无需复杂计算

  • 风险:可能吃撑后错过后续更好的组合(比如拿了龙虾但错过限量甜品)

经典问题适用场景
  1. 找零钱问题(硬币面额合理时)

  2. 活动安排问题(选最多不冲突活动)

  3. 最小生成树(Prim/Kruskal算法)


二、动态规划:谋定后动,全局最优

特点:将大问题分解为小问题,记录中间结果,通过递推找到全局最优解。

例子:旅行路线规划

假设从北京到上海有多条路径,每段路程有不同时间成本:

  • 动态规划做法

    1. 记录到每个中间城市的最短时间

    2. 计算到下一城市时,对比所有可能路线的"历史最优+当前路段"

    3. 最终得到全局最优路径

  • 优势:保证找到最佳方案

  • 代价:需要存储大量中间结果

经典问题适用场景
  1. 背包问题(物品不可拆分)

  2. 最短路径问题(Floyd-Warshall算法)

  3. 编辑距离计算


三、关键区别对比

贪心算法 动态规划
决策方式 永远选择当前最优 综合历史数据推导最优
计算复杂度 通常低(O(n)或O(n log n)) 通常高(O(n²)或更高)
结果可靠性 可能不是全局最优 保证全局最优
存储需求 无需存储历史状态 需要存储子问题结果

四、如何选择算法?

  • 选贪心如果:

    • 问题具有"贪心选择性质"(局部最优能推导全局最优)

    • 需要快速得到近似解

  • 选动态规划如果:

    • 问题有重叠子问题

    • 需要绝对精确的最优解

    • 能接受更高的计算成本

典型案例对比

  • 分数背包问题(物品可拆分):贪心最优

  • 0-1背包问题(物品不可拆分):必须用动态规划

理解这两个算法的最好方式是多对比它们的典型应用场景,就像明白"快速决策"和"周密计划"在不同生活场景中的适用性一样。

贪心算法以局部最优为导向,追求高效简洁;动态规划以记忆和递推为核心,确保全局最优。

相关推荐
吃着火锅x唱着歌3 分钟前
LeetCode 2765.最长交替子数组
算法·leetcode·职场和发展
JC0332 分钟前
JAVA解题——求阶乘和(附源代码)
java·开发语言·算法
墨染点香37 分钟前
LeetCode 刷题【91. 解码方法】
算法·leetcode·职场和发展
༾冬瓜大侠༿1 小时前
数据结构:排序
数据结构·算法·排序算法
泽虞1 小时前
《C++程序设计》笔记p4
linux·开发语言·c++·笔记·算法
运维帮手大橙子2 小时前
算法相关问题记录
算法
MoRanzhi12033 小时前
9. NumPy 线性代数:矩阵运算与科学计算基础
人工智能·python·线性代数·算法·机器学习·矩阵·numpy
aaaaaaaaaaaaay3 小时前
代码随想录算法训练营第五十一天|99.岛屿数量 深搜 99.岛屿数量 广搜 100.岛屿的最大面积
算法·深度优先
hn小菜鸡4 小时前
LeetCode 2460.对数组执行操作
算法·leetcode·职场和发展
jghhh014 小时前
HT16C21 驱动模拟I2C实现
单片机·嵌入式硬件·算法