使贪婪算法在欧元硬币子集上失败
贪婪的变更算法是通过选择可用的最高面额硬币进行变更，直到达到它试图进行的变更量。令人惊讶的是，这种算法实际上是以最有效的方式改变美国和欧元硬币面额的！
然而，贪婪的算法有时会在做出改变时失败。假设我们有面额[25,15,1]，并试图赚31美分。贪婪的算法会选择25,1,1,1,1,1,1 (7硬币），而31美分实际上可以制作成15,15,1（3枚硬币）。
我想知道的是，是否有一种方法可以让贪婪算法在欧元硬币的子集中失败（欧元硬币列表1,2,5,10,20,50,100,200)包括面额1。虽然我可以让贪婪算法在其他值的子集中失败，但我似乎不能让它在欧元硬币的子集中失败。
一些参考资料指出，只要最高元素加上最低元素小于第二高元素的两倍，贪婪算法就会失败（因此在上面的示例中，25 1
共有1个答案
试着用1,20,50做60。
-
首先，是的，这是我的硬件，我觉得很难，所以我真的很感激一些指导。 我需要证明对于当
-
问题是用硬币、一角硬币、五分硬币和一便士来换零钱，并且使用最少的硬币总数。在四个面值分别是硬币、一角硬币、五分硬币和一便士的特殊情况下，我们有c1=25、c2=10、c3=5和c4=1。 如果我们只有四分之一硬币、一角硬币和一分硬币（没有五分镍币）可供使用，贪婪算法将使用六枚硬币——四分之一硬币和五便士——兑换30美分，而我们可以使用三枚硬币，即三个一角硬币。 给定一组面额，我们如何判断贪婪方法是
-
以人民币的硬币为例，假设硬币数量足够多。要求将一定数额的钱兑换成硬币。要求兑换硬币数量最少。 思路说明： 这是用贪婪算法的典型应用。在本例中用python来实现，主要思想是将货币金额除以某硬币单位，然后去整数，即为该硬币的个数；余数则做为向下循环计算的货币金额。 这个算法的问题在于，得出来的结果不一定是最有结果。比如，硬币单位是[1,4,6],如果将8兑换成硬币，按照硬币数量最少原则，应该兑换成为
-
我理解硬币兑换问题的贪婪算法（用尽可能少的硬币支付特定金额）是如何工作的——它总是选择面额最大但不超过剩余金额的硬币——并且它总是为特定的硬币组找到正确的解决方案。 但对于某些硬币集，贪婪算法会失败。例如，对于集合和总和30，贪婪算法首先选择25，剩下5，然后选择5个1，总共6枚硬币。但是，对于最少数量的硬币，解决方案是选择15枚硬币两次。 一组硬币必须满足什么条件，才能让贪婪算法找到所有总数的最
-
我试图解决换硬币的问题，你用尽可能少的硬币来换钱。我尝试使用贪婪的方法——我的算法对硬币数组进行排序，从最大的硬币开始，并尽可能多地使用它，然后再移动到下一个硬币，将剩余的硬币分开。 这对初始测试用例有效： 硬币=[1,2,5]，数量=11 但这次失败了： 硬币=[186,419,83,408]，金额=6249 我不确定它为什么会失败，我仍在努力掌握贪婪的方法。非常感谢您的反馈！
-
本文向大家介绍贪婪算法相关面试题，主要包含被问及贪婪算法时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 贪婪算法(贪心算法)是指在对问题进行求解时，在每一步选择中都采取最好或者最优(即最有利)的选择，从而希望能够导致结果是最好或者最优的算法。贪婪算法所得到的结果往往不是最优的结果(有时候会是最优解)，但是都是相对近似(接近)最优解的结果。贪婪算法并没有固定的算法解决框架，算法的关键是贪婪策