时间: 2021-07-30 11:22:46 人气: 3 评论: 0
对于AI产品经理来说，掌握一些算法是必要的。本文将从五个方面，讲述AI产品经理必修的贪心算法，希望对你有帮助。
去年“新智元”有一篇报道《清华毕业计算机教授遭持枪劫车，靠“贪心算法”追回秒杀美国警察》，整个故事像看微小说一样，可对于核心问题“贪心算法”是什么并没有说清楚，于是就有了下面的内容。
贪心的意思在于在作出选择时，每次都要选择对自身最为有利的结果，保证自身利益的最大化，贪心算法就是利用这种贪心思想而得出一种算法。
贪心算法可以简单描述为：大事化小，小事化了。对于一个较大的问题，通过找到与子问题的重叠，把复杂的问题划分为多个小问题。并且对于每个子问题的解进行选择，找出最优值，进行处理，再找出最优值，再处理。也就是说贪心算法是一种在每一步选择中都采取在当前状态下最好或最优的选择，从而希望得到结果是最好或最优的算法。
贪心算法在对问题求解时，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，所做出的仅是在某种意义上的局部最优解。贪心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他能产生整体最优解或者是整体最优解的近似解。
步骤一：建立数学模型来描述问题。
步骤二：把求解的问题分成若干个子问题。
步骤三：对每个子问题求解，得到子问题的局部最优解。
步骤四：把子问题的解局部最优解合成原来问题的一个解。
所谓贪心选择是指所求问题的整体最优解可以通过一系列局部最优的选择，换句话说，当考虑做何种选择的时候，我们只考虑对当前问题最佳的选择而不考虑子问题的结果。
贪心算法以迭代的方式作出相继的贪心选择，每作一次贪心选择就将所求问题简化为规模更小的子问题。对于一个具体问题，要确定它是否具有贪心选择性质，必须证明每一步所作的贪心选择最终导致问题的整体最优解。
我们下面通过示例来看一下贪心算法如何选择。
看一下《算法导论》中的经典例题：活动选择问题。
有n个需要在同一天使用同一个教室的活动a1，a2……an，教室同一时刻只能由一个活动使用。每个活动ai都有一个开始时间si和结束时间fi 。一旦被选择后，活动ai就占据半开时间区间[si,fi)。如果[si,fi]和[sj,fj]互不重叠，ai和aj两个活动就可以被安排在这一天。该问题就是要安排这些活动使得尽量多的活动能不冲突的举行（标红的是我们利用贪心算法求出的结果1、4、8、11）。
目标函数count（n）活动次数最多。
约束条件是下一个活动开始时间大于或等于上一个活动开始时间s[i]>=f[j]。
为了方便，我们用不同颜色的线条代表每个活动，线条的长度就是活动所占据的时间段，蓝色的线条表示我们已经选择的活动；红色的线条表示我们没有选择的活动。
1）如果我们每次都选择开始时间最早的活动，不能得到最优解
证明（反证法）：
例如我们选择了10号活动（开始时间2点，结束时间13点）；
2号活动待选择（开始时间3点，结束时间5点）；
则**出现上图所示的情况，这显然违背了约束条件。
2）如果我们每次都选择持续时间最短的活动，不能得到最优解
证明（反证法）：
例如我们选择了2号活动（开始时间3点，结束时间5点）；
1号活动待选择（开始时间1点，结束时间4点）；
则**出现上图所示的情况，这显然也违背了约束条件。
3）如果我们每次都选取结束时间最早的活动，能够得到最优解（采用的贪心策略）
那么怎么证明贪心算法是对的呢？
要证明一个算法是错的非常简单，要证明是对的却非常难。对于贪心算法的证明，一是使用归纳法，二是采用反证法。像上面两种策略，我们实际上就用到了反证法。
回到策略本身，按这种方法选择相容活动，能够为未安排的活动留下尽可能多的时间。
上代码：
这段代码的含义是：
从2号活动开始进入运算，具体运算规则：
上图直观展示了算法的整个运行过程。
贪心算法应用非常广泛，特别电脑游戏AI或者一些推荐。
以经典的跳跃游戏为例：
1.题目描述
给定一个非负整数数组，你最初位于数组的第一个位置。
数组中的每个元素代表你在该位置可以跳跃的最大长度。
判断是否能够到达最后一个位置。
2.问题分析
先转化为数学模型：给定一个数组，数组中每个位置的数字代表当前位置i能够向前跳跃num[i]的距离，然后判断是否能够从第一个位置跳到最后一个位置。
这道题的难点就在于每次跳多远的距离算合适呢？
如果从i的位置能跳num[i]距离最远能到达j的位置，那么这中间的任何一个位置我们都能跳到，但我们具体是跳到i–j之间的哪个位置才是真正合适的位置？
利用贪心的思想我们的目的是判断最后能否跳到最后一个位置，其实就是只要能保证在i–j之间跳到一个能够在下一次跳的更远的距离，那么这个位置就是最合适的位置。
本文由 @CARRIE 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
