贪婪算法贪心算法的基本要素是？

点格棋的贪婪算法实现

点格棋的贪婪算法实现解题思路 1. 需求分析 棋盘可以看做一个矩阵，当马位于棋盘上某一位置时，它就有一个唯一的坐标，那么根据国际象棋的规则，它有8个位置可以跳，这8个位置的坐标是和当前马的坐标是有联系的，例如马的坐标是(x,y)，那么它的下一跳的位置可以是(x-1,y-2)。

当然坐标不能越界。

马所在的当前位置标为1，它的下一跳的位置标为2，在下一跳的位置标为3，依次类推，如果马走完棋盘，那么最后在棋盘上标的位置是64。

2. 解决方案 （1）回溯法 我们可以采用回溯法求解，当马在当前位置时，我们将它下一跳的所有位置保存，然后从中选择一个位置作为当前位置在跳，递归下去，如果跳不下去，回溯。

这有点类似图的深度搜索。

（2）贪婪法 贪婪算法是指，在对问题求解时，总是做出在当前看来是最好的选择。

也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。

那么我们在回溯法的基础上，用贪婪算法进行优化，在选择下一跳的位置时，总是选择出口少的那个位置，这里出口少是指这个位置的下一跳位置个数少。

这是一种局部调整最优的做法，如果优先选择出口多的子结点，那出口少的子结点就会越来越多，很可能出现‘死’结点，这样对下面的搜索纯粹是徒劳，这样会浪费很多无用的时间，反过来如果每次都优先选择出口少的结点跳，那出口少的结点就会越来越少，这样跳成功的机会就更大一些。

贪婪算法应运用什么软件求解

如果是要研究算法就用Matlab，这个是目前很强大的主流软件，属于傻瓜式的编程，十分流行。

如果是面向工程应用vs2010吧，这是一个IDE，可以用C、C++、VB等语言实现。

请问数钱的贪婪算法怎样确保得到最优解？

贪婪算法：总是作出在当前看来是最好的选择。

也就是说，不从整体最优上加以考虑，它所做出的仅是在某种意义上的局部最优解。

（注：贪婪算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题它能产生整体最优解。

但其解必然是最优解的很好近似解。

基本思路：——从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。

当达到某算法中的某一步不能再继续前进时，算法停止 实现该算法的过程： 从问题的某一初始解出发； while 能朝给定总目标前进一步 do 求出可行解的一个解元素； 由所有解元素组合成问题的一个可行解； 基本要素： 1、 贪婪选择性质：所求问题的整体最优解可以通过一系列局部最优的选择，即贪婪选择来达到。

（与动态规划的主要区别） 采用自顶向下，以迭代的方式作出相继的贪婪选择，每作一次贪婪选择就将所求问题简化为一个规模更小的子问题。

对于一个具体问题，要确定它是否具有贪婪选择的性质，我们必须证明每一步所作的贪婪选择最终导致问题的最优解。

通常可以首先证明问题的一个整体最优解，是从贪婪选择开始的，而且作了贪婪选择后，原问题简化为一个规模更小的类似子问题。

然后，用数学归纳法证明，通过每一步作贪婪选择，最终可得到问题的一个整体最优解。

2、最优子结构性质:包含子问题的最优解 1、 设有n个活动的安排，其中每个活动都要求使用同一资源，如演讲会场，而在同一时间只允许一个活动使用这一资源。

每个活动都有使用的起始时间和结束时间。

问：如何安排可以使这间会场的使用率最高。

活动 起始时间 结束时间 1 1 4 2 3 5 3 0 6 4 5 7 5 3 8 6 5 9 7 6 10 8 8 11 9 8 12 10 2 13 11 12 14 算法：一开始选择活动1，然后依次检查活动一i是否与当前已选择的所有活动相容，若相容则活动加入到已选择的活动集合中，否则不选择活动i,而继续检查下一活动的相容性。

即：活动i的开始时间不早于最近加入的活动j的结束时间。

Prodedure plan; Begin n:=length[e]; a {1}; j:=1; for i:=2 to n do if s[i]>=f[j] then begin a a∪{i}; j:=i; end end; 例1 [找零钱] 一个小孩买了价值少于1美元的糖，并将1美元的钱交给售货员。

售货员希望用数目最少的硬币找给小孩。

假设提供了数目不限的面值为2 5美分、1 0美分、5美分、及1美分的硬币。

售货员分步骤组成要找的零钱数，每次加入一个硬币。

选择硬币时所采用的贪婪准则如下：每一次选择应使零钱数尽量增大。

为保证解法的可行性（即：所给的零钱等于要找的零钱数），所选择的硬币不应使零钱总数超过最终所需的数目。

假设需要找给小孩6 7美分，首先入选的是两枚2 5美分的硬币，第三枚入选的不能是2 5美分的硬币，否则硬币的选择将不可行（零钱总数超过6 7美分），第三枚应选择1 0美分的硬币，然后是5美分的，最后加入两个1美分的硬币。

贪婪算法有种直觉的倾向，在找零钱时，直觉告诉我们应使找出的硬币数目最少（至少是接近最少的数目）。

可以证明采用上述贪婪算法找零钱时所用的硬币数目的确最少（见练习1）。

贪婪算法和最大载干比算法是同一个算法啊

贪心法的基本思路： ——从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。

当达到某算法中的某一步不能再继续前进时，算法停止。

该算法存在问题： 1. 不能保证求得的最后解是最佳的； 2. 不能用来求最大或最小解问题； 3. 只能求满足某些约束条件的可行解的范围。

实现该算法的过程： 从问题的某一初始解出发； while 能朝给定总目标前进一步 do 　　 求出可行解的一个解元素； 由所有解元素组合成问题的一个可行解； 最大载干比算法在选择传输用户时，只选择最大载干比叫的用户，即让信道条件最好的用户占用资源传输数据，当该用户信道变差后，再选择其他信道最好的用户。

基站始终为该传输时刻信道条件最好的用户服务。

最大C/I算法的吞吐量最大，但公平性最差，应该是和贪婪算法为同一个算法。

贪心算法的基本要素是？

从问题的某一初始解出发； while 能朝给定总目标前进一步 do 求出可行解的一个解元素； 由所有解元素组合成问题的一个可行解。

下面是一个可以试用贪心算法解的题目，贪心解的确不错，可惜不是最优解。