一、dijkstra算法是貪心算法嗎？
從某種角度上來說是，但這個貪心的步驟也是求最優解的過程。
二、什么是貪心算法？
貪心算法
一種改進了的分級處理方法
貪心算法（又稱貪婪算法）是指，在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優上加以考慮，他所做出的是在某種意義上的局部最優解。
貪心算法不是對所有問題都能得到整體最優解，關鍵是貪心策劃
貪婪算法
算法思路
貪心算法一般按如下步驟進行：
①建立數學模型來描述問題。
②把求解的問題分成若干個子問題。
③對每個子問題求解，得到子問題的局部最優解。
④把子問題的解局部最優解合成原來解問題的一個解。
貪心算法是一種對某些求最優解問題的更簡單、更迅速的設計技術。貪心算法的特點是一步一步地進行，常以當前情況為基礎根據某個優化測度作最優選擇，而不考慮各種可能的整體情況，省去了為找最優解要窮盡所有可能而必須耗費的大量時間。貪心算法采用自頂向下，以迭代的方法做出相繼的貪心選擇，每做一次貪心選擇，就將所求問題簡化為一個規模更小的子問題，通過每一步貪心選擇，可得到問題的一個最優解。雖然每一步上都要保證能獲得局部最優解，但由此產生的全局解有時不一定是最優的，所以貪心算法不要回溯。
算法特性
貪心算法可解決的問題通常大部分都有如下的特性：
1、有一個以最優方式來解決的問題。為了構造問題的解決方案，有一個候選的對象的集合：比如不同面值的硬幣。
2、隨著算法的進行，將積累起其他兩個集合：一個包含已經被考慮過并被選出的候選對象，另一個包含已經被考慮過但被丟棄的候選對象。
3、有一個函數來檢查一個候選對象的集合是否提供了問題的解答。該函數不考慮此時的解決方法是否最優。
4、還有一個函數檢查是否一個候選對象的集合是可行的，即是否可能往該集合上添加更多的候選對象以獲得一個解。和上一個函數一樣，此時不考慮解決方法的最優性。
5、選擇函數可以指出哪一個剩余的候選對象最有希望構成問題的解。
6、最后，目標函數給出解的值。
使用條件
利用貪心法求解的問題應具備如下2個特征。
1、貪心選擇性質
一個問題的整體最優解可通過一系列局部的最優解的選擇達到，并且每次的選擇可以依賴以前作出的選擇，但不依賴于后面要作出的選擇。這就是貪心選擇性質。對于一個具體問題，要確定它是否具有貪心選擇性質，必須證明每一步所作的貪心選擇最終導致問題的整體最優解。
2、最優子結構性質
當一個問題的最優解
三、貪心算法幾個經典例子？
活動安排問題] 活動安排問題是可以用貪心算法有效求解的一個很好的例子。該問題要求高效地安排一系列爭用某一公共資源的活動。貪心算法提供了一個簡單、漂亮的方法使得盡可能多的活動能兼容地使用公共資源。
設有n個活動的集合e={1，2，…，n}，其中每個活動都要求使用同一資源，如演講會場等，而在同一時間內只有一個活動能使用這一資源。每個活動i都有一個要求使用該資源的起始時間si和一個結束時間fi,且si< fi。如果選擇了活動i，則它在半開時間區間[si，fi]內占用資源。若區間[si，fi]與區間[sj，fj]不相交，則稱活動i與活動j是相容的。也就是說，當si≥fi或sj≥fj時，活動i與活動j相容。活動安排問題就是要在所給的活動集合中選出最大的相容活動子集合。
在下面所給出的解活動安排問題的貪心算法gpeedyselector中，各活動的起始時間和結束時間存儲于數組s和f{中且按結束時間的非減序：．f1≤f2≤…≤fn排列。如果所給出的活動未按此序排列，我們可以用o(nlogn)的時間將它重排。
四、大數據三大算法？
1. 機器學習算法：決策樹，支持向量機，神經網絡，k-means聚類算法，AdaBoost；2. 推薦算法：協同過濾，內容推薦算法；3. 預測分析算法：時間序列分析，回歸分析，決策樹，深度學習。
五、貪心算法的應用領域？
1、貪心算法（又稱貪婪算法）是指，在對問題求解時，總是做出在當前看來是最好的選擇。也就是說，不從整體最優上加以考慮，他所做出的僅是在某種意義上的局部最優解。貪心算法不是對所有問題都能得到整體最優解，但對范圍相當廣泛的許多問題他能產生整體最優解或者是整體最優解的近似解。
2、貪心算法是很常見的算法，貪心策略是最接近人的日常思維的一種解題策略，雖然它不能保證求得的最后解一定是最佳的，但是它可以為某些問題確定一個可行性范圍。貪心算法所做的選擇依賴于以往所做過的選擇，絕不依賴于將來的選擇，這使得算法再編碼和執行過程中都有一定的速度優勢。對于一個問題的最優解只能用窮舉法得到時，用貪心算法是尋找問題最優解的較好算法。對于一個問題可以使同時使用幾種方法去解決，貪心算法并不是對所有的問題都能得到整體最優解或最理想的近似解時，就需要判斷貪心性質的正確性了。與回溯法、動態規劃法等比較，它的適用區域相對狹窄，總之如果一個貪心解決方案存在就可以使用它。
六、貪心算法的優點和缺點？
「貪心算法」顧名思義，就是說算法就像一個貪婪、鼠目寸光的人，在每次要做決策時，都做出當前看來最好的選擇，最終所有選擇形成一個解。
說它貪婪，是因為每次要做選擇的時候，一定會選擇現在看來是最優的選擇；說它鼠目寸光，是因為每次做選擇時，只考慮當前的局面而不考慮長遠的利益。說到這兒，貪心算法的優點和缺點就不難看出了：
優點：做決策所需的計算復雜度較低。每次做決策的時候，都不用考慮長遠的事情，拍腦袋就做出看起來最好的那個選擇，自然不用算計很多呀。
缺點：最終得到的解不一定是最優解。這算法不懂得深謀遠慮，自然可能走不到最好的結果啦。
七、深入理解Java經典算法思想：探索貪心算法的應用
什么是貪心算法
貪心算法是一種常見的算法思想，通過每一步都選擇當前最優解來達到最終的整體最優解。在解決問題時，貪心算法會優先考慮局部最優解，而不會考慮全局問題。 它通常適用于一些特定問題，特別是涉及到最優解和最短路徑等問題的求解中。
貪心算法的基本原理
貪心算法的基本原理是通過每一步的局部最優解來達到全局最優解。在執行過程中，它會根據問題的特點選擇當前最優解并進行逐步優化，直到達到最終的解決方案。貪心算法的求解過程通常包括以下步驟：
- 定義問題的狀態和初始解
- 計算當前狀態的局部最優解
- 更新狀態和解
- 重復步驟2和步驟3，直到達到全局最優解
貪心算法的應用場景
貪心算法在實際應用中有很多場景，常見的應用包括：
- 最小生成樹問題
- 任務調度問題
- 背包問題
- 霍夫曼編碼問題
- 圖的著色問題
- 最短路徑問題
貪心算法的優缺點
使用貪心算法的優點是其簡單和高效。貪心算法通常只需要一次遍歷或少數幾次遍歷，所以其時間復雜度較低。另外，貪心算法通常以局部最優為導向，因此在某些問題上可以獲得非常好的解決方案。
然而，貪心算法也存在一些缺點。由于貪心算法只考慮局部最優解，沒有全局思考，所以它可能不一定能夠得到全局最優解。此外，貪心算法對問題的定義和模型非常敏感，不同的問題可能需要不同的貪心策略。
總結
Java經典算法思想中的貪心算法是一種重要的算法思想。通過每一步都選擇當前最優解，貪心算法能夠在各種實際問題中找到最優解或近似最優解。然而，貪心算法也有其局限性，不能適用于所有問題。 在實際應用中，需要根據具體問題判斷是否適合采用貪心算法。通過深入理解和學習貪心算法，我們將能更好地解決各種復雜的計算問題，為編程工作提供更加高效和精準的解決方案。
感謝您閱讀本文，希望通過這篇文章能夠幫助您更好地理解和應用貪心算法，為解決實際問題提供更有力的工具。
八、數據挖掘十大算法？
1、蒙特卡羅算法
2、數據擬合、參數估計、插值等數據處理算法
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題
4、圖論算法
5、動態規劃、回溯搜索、分治算法、分支定界等計算機算法
6、最優化理論的三大非經典算法：模擬退火法、神經網絡、遺傳算法
7、網格算法和窮舉法
8、一些連續離散化方法
9、數值分析算法
10、圖象處理算法
九、數據分析十大算法？
1、蒙特卡羅算法
2、數據擬合、參數估計、插值等數據處理算法
3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題
4、圖論算法
5、動態規劃、回溯搜索、分治算法、分支定界等計算機算法
6、最優化理論的三大非經典算法：模擬退火法、神經網絡、遺傳算法
7、網格算法和窮舉法
8、一些連續離散化方法
9、數值分析算法
10、圖象處理算法
十、tsp貪心算法的時間復雜度？
時間主要是 排序用時了，快速排序 一般是 o(n*logn) 空間 復雜度基本上是 0(1)
