说到背包问题，我看到了很多分类，不同的类似问题，有不一样的解法，看到的最多的两种方式是贪心算法和动态规划，于我来说，更迫切的应该是要认识一下，这些算法的区别和相同的地方，所以这节就来找资料学习一下贪心算法和动态规划的区别。
这是找到的一个对我帮助最大的，源地址：https://www.cnblogs.com/Renyi-Fan/p/7741089.html
看之前先摘一下这几个解决方案的区别：摘自网上
“所以一个问题，该用递推、贪心、搜索还是动态规划，完全是由这个问题本身阶段间状态的转移方式决定的。1. 每个阶段只有一个状态——递推。
2. 每个阶段的最优状态都是由上一个阶段的最优状态得到——贪心。
3. 每个阶段的最优状态是由之前所有阶段的状态组合得到——搜索
4. 每个阶段的最优状态可以从之前某个阶段的某个或某些状态直接得到，而不管之前这个状态是如何得到——动态规划。”
还有另一个不错的资料：http://www.cnblogs.com/xiaotan-code/p/6670630.html 这个主要是公式的表达方式不一样，但是特别容易理解，看了这个，再看其他的，就能理解的七七八八了。
贪心法和动态规划法的区别
动态规划和贪心算法都是一种递推算法 均用局部最优解来推导全局最优解
不同点：
贪心算法：
1.贪心算法中，作出的每步贪心决策都无法改变，因为贪心策略是由上一步的最优解推导下一步的最优解，而上一部之前的最优解则不作保留。
2.由（1）中的介绍，可以知道贪心法正确的条件是：每一步的最优解一定包含上一步的最优解。
动态规划算法：
1.全局最优解中一定包含某个局部最优解，但不一定包含前一个局部最优解，因此需要记录之前的所有最优解
2.动态规划的关键是状态转移方程，即如何由以求出的局部最优解来推导全局最优解
3.边界条件：即最简单的，可以直接得出的局部最优解
==============================================================================
贪心算法与动态规划
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
贪心算法最经典的例子，给钱问题。
比如中国的货币，只看元，有1元2元5元10元20、50、100
如果我要16元，可以拿16个1元，8个2元，但是怎么最少呢？
如果用贪心算，就是我每一次拿那张可能拿的最大的。
比如16，我第一次拿20拿不起，拿10元，OK，剩下6元，再拿个5元，剩下1元
也就是3张 10、5、1。
每次拿能拿的最大的，就是贪心。
但是一定注意，贪心得到的并不是最优解，也就是说用贪心不一定是拿的最少的张数
贪心只能得到一个比较好的解，而且贪心算法很好想得到。
再注意，为什么我们的钱可以用贪心呢？因为我们国家的钱的大小设计，正好可以使得贪心算法算出来的是最优解（一般是个国家的钱币都应该这么设计）。如果设计成别的样子情况就不同了
比如某国的钱币分为 1元3元4元
如果要拿6元钱 怎么拿？贪心的话 先拿4 再拿两个1 一共3张钱
实际最优呢？ 两张3元就够了
求最优解的问题，从根本上说是一种对解空间的遍历。最直接的暴力分析容易得到，最优解的解空间通常都是以指数阶增长，因此暴力穷举都是不可行的。
最优解问题大部分都可以拆分成一个个的子问题，把解空间的遍历视作对子问题树的遍历，则以某种形式对树整个的遍历一遍就可以求出最优解，如上面的分析，这是不可行的。
贪心和动态规划本质上是对子问题树的一种修剪。两种算法要求问题都具有的一个性质就是“子问题最优性”。即，组成最优解的每一个子问题的解，对于这个子问题本身肯定也是最优的。如果以自顶向下的方向看问题树（原问题作根），则，我们每次只需要向下遍历代表最优解的子树就可以保证会得到整体的最优解。形象一点说，可以简单的用一个值（最优值）代表整个子树，而不用去求出这个子树所可能代表的所有值。
动态规划方法代表了这一类问题的一般解法。我们自底向上（从叶子向根）构造子问题的解，对每一个子树的根，求出下面每一个叶子的值，并且以其中的最优值作为自身的值，其它的值舍弃。动态规划的代价就取决于可选择的数目（树的叉数）和子问题的的数目（树的节点数，或者是树的高度？）。
贪心算法是动态规划方法的一个特例。贪心特在，可以证明，每一个子树的根的值不取决于下面叶子的值，而只取决于当前问题的状况。换句话说，不需要知道一个节点所有子树的情况，就可以求出这个节点的值。通常这个值都是对于当前的问题情况下，显而易见的“最优”情况。因此用“贪心”来描述这个算法的本质。由于贪心算法的这个特性，它对解空间树的遍历不需要自底向上，而只需要自根开始，选择最优的路，一直走到底就可以了。这样，与动态规划相比，它的代价只取决于子问题的数目，而选择数目总为1。
------------------------------
找钱问题，可以很大程度上帮助我们理解动态规划法语贪心算法的区别
二、问题
现只有面额为 11元、5元、1元的三种人民币。
给定一个 数目为 money 的人民币，如何用这三种面额的人民币 找开它，且用的人民币张数最少
如：给定 10元，我们可以有以下找法：
2张 5元面额
1张 5元面额 + 5 张 1元面额
10张 1元面额
我们 选择第一种找法。只用两张人民币。
三、分析
利用动态规划法可以找到最优解。
利用贪心算法可以找到最优解（问题满足贪心选择性质时。该找钱问题在 11、5、1三种面额的情况下不满足该性质）
或者找到近似 最优解（在本题设定的三种面额的情况下 便是如此）
如果现在要找开 15元钱，则
1. 根据动态规划法的解题思想，得到最优解为 3张 5元面额的 ， 总共 3张
2. 根据贪心算法的解题思想，得到的近似最优解为 1张 11元面额的 加上 4张 1元面额的， 总共 5张
从这就可以大略的看到 两个的区别
四、代码实现找钱问题的 动态规划法与贪心算法 两种解法，形成对比
view plaincopy to clipboardprint?
01./**********************************************************
02. *问 题：有最小面额为 11 5 1的三种人民币，用最少的张数找钱
03. *描 述：动态规划与贪心算法 解决问题 比较
04. *作 者：JarvisChu
05. **********************************************************/
06.#include
07.#define N 4
08.#define VALUE1 11 //面额为 11元的人民币 （可以修改）
09.#define VALUE2 5 //面额为 5元的人民币 （可以修改）
10.#define VALUE3 1 //面额为 1元的人民币 （不要修改，不然会有找不开的情况）
11.#define MAX_MONEY 1000 //能找开的钱的上限
12.
13./***************************动态规划法********************************
14. *方法：
15. * int Num[MAX_MONEY]; //Num[i]保存要找开 i 元钱，需要的最小人民币张数
16. * int Num_Value[N][MAX_MONEY]; //Num_Value[i][j] 表示 要找 j元钱，需要面额 VALUEi 的人民币张数
17. *
18. * Num[i] = i; 0<= i <=4
19. * Num[i] = min(Num[i-VALUE1]+1,Num[i-VALUE2]+1,Num[i-VALUE3]+1)
20. */
21.
22.//-------------------------求最小值---------------------------------
23.int min(int a,int b,int c){
24. return a25.}
26.//-------------------------求最优值---------------------------------
27.int DP_Money(int money,int Num[]){
28. //获得要找开money元钱，需要的人民币总张数
29. int i;
30. for(i=0;i<=VALUE2;i++){ //0~4 全用 1元
31. Num[i]=i;
32. }
33. for(i=VALUE2;i<=money;i++){ //从5元开始 凑钱
34. if(i-VALUE1 >= 0){ //如果比 11 元大，说明多了一种用11元面额人民币的可能
35. //从用 11元、5元、1元中 选择一个张数小的
36. Num[i] = min(Num[i-VALUE1]+1,Num[i-VALUE2]+1,Num[i-VALUE3]+1);
37. }
38. else{ //从5元、1元中 选择一个张数小的
39. Num[i] = (Num[i-VALUE2]+1) < (Num[i-VALUE3]+1) ? (Num[i-VALUE2]+1):(Num[i-VALUE3]+1);
40.// Num[i] = min(Num[i-VALUE2]+2,Num[i-VALUE2]+1,Num[i-VALUE3]+1);
41. }
42. }
43. return Num[money];
44.}
45.//-------------------------求最优解---------------------------------
46.void BestChoice(int money,int Num[],int Num_Value[N][MAX_MONEY]){
47. //要找 money 元钱，总人民币张数放在Num[money]中
48. //Num[1~3][money]分别保存三种面额的张数
49. int i;
50. for(i=0;i
52. Num_Value[2][i] = 0;
53. Num_Value[3][i] = i;
54. }
55. for(i=VALUE2;i<=money;i++){
56. if((i>=VALUE1) && (Num[i] == (Num[i-VALUE1]+1))){ //i 是由 i-11+11 构成 即i元是由 i-11元 加上一张面额11元的人民币构成
57. Num_Value[1][i] = Num_Value[1][i-VALUE1]+1; //多一张 11元面额人民币
58. Num_Value[2][i] = Num_Value[2][i-VALUE1]; // 5元面额人民币 张数一样多
59. Num_Value[3][i] = Num_Value[3][i-VALUE1]; // 1元面额人民币 张数一样多
60. }
61. else if(Num[i] == (Num[i-VALUE2]+1)){ //i 是由 i-5+5 构成
62. Num_Value[1][i] = Num_Value[1][i-VALUE2]; //11元面额人民币 张数一样多
63. Num_Value[2][i] = Num_Value[2][i-VALUE2]+1; //多一张 5元面额人民币
64. Num_Value[3][i] = Num_Value[3][i-VALUE2]; // 1元面额人民币 张数一样多
65. }
66. else if(Num[i] == (Num[i-VALUE3]+1)){ //i 是由 i-1+1 构成
67. Num_Value[1][i] = Num_Value[1][i-VALUE3]; //11元面额人民币 张数一样多
68. Num_Value[2][i] = Num_Value[2][i-VALUE3]; // 5元面额人民币 张数一样多
69. Num_Value[3][i] = Num_Value[3][i-VALUE3]+1; //多一张 1元面额人民币
70. }
71. else{
72. }
73. }
74.}
75.
76./***************************贪心算法********************************
77. *方法：
78. * Num_Value[i]表示 面额为VALUEi 的人民币用的张数
79. * 能用大面额的人民币，就尽量用大面额
80. */
81.int Greed(int money,int Num_Value[]){
82. //要找开 money元人民币，Num_Value[1~3]保存 三种面额人民币的张数
83. int total=0; //总张数，返回值也即是总张数。
84. Num_Value[1] = 0;
85. Num_Value[2] = 0;
86. Num_Value[3] = 0;
87. for(int i=money;i>=1;){
88. if(i >= VALUE1){
89. Num_Value[1]++;
90. i -= VALUE1;
91. total++;
92. }
93. else if(i >= VALUE2){
94. Num_Value[2]++;
95. i -= VALUE2;
96. total++;
97. }
98. else if(i >= VALUE3){
99. Num_Value[3]++;
100. i -= VALUE3;
101. total++;
102. }
103. else{
104. }
105. }
106. return total;
107.}
108.void main(){
109. //测试 动态规划法
110./* int i;
111. int money = 23;
112. int Num[MAX_MONEY]; //Num[i]保存要找开 i 元钱，需要的最小人民币张数
113. int Num_Value[N][MAX_MONEY]; //Num_Value[i][j] 表示 要找 j元钱，需要面额 VALUEi 的人民币张数
114. printf("%d\n",DP_Money(money,Num));
115. printf("-------------------------------------------\n");
116. BestChoice(money,Num,Num_Value);
117. printf("-------------------------------------------\n");
118. for(i=0;i<=money;i++){
119. printf("Num[%d]=%4d, %3d, %3d, %3d\n",i,Num[i],Num_Value[1][i],Num_Value[2][i],Num_Value[3][i]);
120. }
121.*/
122.
123. //测试 贪心算法
124./* int i;
125. int Num_Value_Greed[4];
126. for(i=0;i<=40;i++){ //从0 元到 40 元的每一个找钱方式
127. Greed(i,Num_Value_Greed);
128. printf("%d---->>> %d,%d,%d\n",i,Num_Value_Greed[1],Num_Value_Greed[2],Num_Value_Greed[3]);
129. }
130.*/
131.
132. //比较两个算法
133. int i;
134. int dp,grd; //分别保存动态规划法和贪心算法得到的人民币总张数
135. int money; //要找的钱
136. int Num[MAX_MONEY]; //Num[i]保存要找i花费的银币的数目
137. int Num_Value[N][MAX_MONEY]; //Num_Value[i][j] 表示 要找 j 花费的 面值为 VALUEi 的硬币 的数目
138. int Num_Value_Greed[N]; //Num_Value_Greed[i] 表示 面值为VALUEi 的人民币 数目
139. money = 15; //可以为任意非负整型值（15 元是一个比较典型的可以区分两种算法的值）
140. dp = DP_Money(money,Num); //动态规划法
141. BestChoice(money,Num,Num_Value);
142. grd = Greed(money,Num_Value_Greed); //贪心算法
143. printf("要找的钱 为：%d\n\n",money);
144. printf(" 算法 张数 11元 5元 1元\n");
145. printf("动态规划 %-4d %-4d %-3d %-3d\n",dp,Num_Value[1][money],Num_Value[2][money],Num_Value[3][money]);
146. printf("贪心算法 %-4d %-4d %-3d %-3d\n",grd,Num_Value_Greed[1],Num_Value_Greed[2],Num_Value_Greed[3]);
147.}