贪心策略的基本要素（贪心策略的基本要素有）

策略 2024年3月19日 15:59:41 3399youxi 31 0

在greedy策略当中的值越大

在ε-greedy策略当中，ε的值越大，表示采用随机的一个动作的概率越大，采用当前Q函数值最大的动作的概率越小。贪心策略是一种每一步都采取当前状态下最优的选择（局部最优解），从而希望推导出全局最优解的一种策略。

Greedy是指在一个决策过程中，始终选择当前最优的方案，而不考虑它对未来决策的影响。在某些场景下，greedy算法能够获取到最优解，一些经典的优化问题，如背包问题、最小生成树问题、赫夫曼编码就可以使用贪心算法求解。

首先将每个顾客所需要的服务时间从小到大排序。

贪心策略的基本要素（贪心策略的基本要素有）

贪心算法的基本要素：贪心选择性质和最优子结构性质。贪心选择性质所谓贪心选择性质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，即贪心选择来达到。

贪心算法适用的问题必须满足两个属性：（1）贪心性质：整体的最优解可通过一系列局部最优解达到，并且每次的选择可以依赖以前做出的选择，但不能依赖于以后的选择。

第i阶段的“局部最优解”： ai 贪心选择性质：所求问题的全局最优解可以通过一系列局部最优的选择（即贪心选择）来达到。–这是贪心算法与动态规划算法的主要区别。

当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质。问题的最优子结构性质是该问题可用贪心算法求解的关键特征。

最优子结构：贪心算法和动态规划算法都要求问题具有最优子结构性质，即问题的最优解包含其子问题的最优解。子问题重叠：在两种算法中，为了提高效率，通常都会对子问题进行缓存和复用，以避免重复计算。

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。

贪心法在一般情况下一定能够得到满意解，不一定能够得到最优解。

贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择。贪心算法的基本思路是从问题的某一个初始解出发一步一步地进行，根据某个优化测度，每一步都要确保能获得局部最优解。

原因：贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。

贪婪法通常用来解决具有最大值或最小值的优化问题。

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。 [编辑本段]贪心算法的基本思路建立数学模型来描述问题。把求解的问题分成若干个子问题。

所谓贪心选择性质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。这是贪心算法可行的第一个基本要素。

你现在就先记住一点：贪心算法只是在部分情况下有用。至于什么是部分情况，这个就得靠多做题了。诶诶诶，你先别动手，那你看嘛，就比如上面的2个例子，你要看看数之间的规律，例1的中的币互相成倍数，例2中就没啥规律。

所以优先使用大额纸币是一种正确的贪心选择。

A）一个格子继续走能拾到金块，另一个不能，则上一步往该格子走 B）如果仍旧都有或都没有，重复2）直到找到符合A）的情形。