贪心算法简要：
- 贪心主要是面向优化问题，采用逐段解决的方式，总是选择当前最优的，从而达到整体最优；
- 常见使用贪心策略的算法：最小生成树、dij最短路、哈夫曼编码；
- 如果一个问题用贪心可以解决，那么用贪心的方式比动态规划的方式更加高效，但贪心未必一直有效，如部分背包可以贪心解决，但是0-1背包就不可以；
- 贪心算法常用来解决很难问题的近似解，如TSP问题，虽然未必是最优解，但是可以得到一个近似解；
活动选择问题：给出一系列活动的开始时间和结束时间，求时间顺序允许下的最大活动数目？
贪心策略：每一步选择剩余活动中结束时间最小的活动，并且开始时间大于等于当前活动的结束时间；
算法步骤：
- 按活动的结束时间进行排序；
- 将第一个活动选上；
- 在活动数组中进行如下循环：如果开始时间大于等于当前活动的结束时间，选之；
def max_act(s,f):
n=len(f)
i=0
print(i)
for j in range(n):
if s[j]>=f[i]:
print(j)
i=j
if __name__=='__main__':
s = [1, 3, 0, 5, 8, 5]
f = [2, 4, 6, 7, 9, 9]
max_act(s,f)对于活动未有序的，可以构造一个活动的结构体，按其结束时间来排序，然后求解；
贪心算法难在其证明贪心是有效的，本例中，为什么选择有序的结束时间中最小的结束时间就是得到最优解的，这里可以根据解的等价性来证明。
参考链接：https://www.geeksforgeeks.org/activity-selection-problem-greedy-algo-1/
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
