deploy

chapter_greedy/summary/index.html

@@ -3317,13 +3317,13 @@
 <!-- Page content -->
 <h1 id="155">15.5 &nbsp; 小结<a class="headerlink" href="#155" title="Permanent link">&para;</a></h1>
 <ul>
-<li>贪心算法通常用于解决最优化问题，其原理是在每个决策阶段都做出局部最优的决策，以期望获得全局最优解。</li>
+<li>贪心算法通常用于解决最优化问题，其原理是在每个决策阶段都做出局部最优的决策，以期获得全局最优解。</li>
 <li>贪心算法会迭代地做出一个又一个的贪心选择，每轮都将问题转化成一个规模更小的子问题，直到问题被解决。</li>
 <li>贪心算法不仅实现简单，还具有很高的解题效率。相比于动态规划，贪心算法的时间复杂度通常更低。</li>
 <li>在零钱兑换问题中，对于某些硬币组合，贪心算法可以保证找到最优解；对于另外一些硬币组合则不然，贪心算法可能找到很差的解。</li>
 <li>适合用贪心算法求解的问题具有两大性质：贪心选择性质和最优子结构。贪心选择性质代表贪心策略的有效性。</li>
 <li>对于某些复杂问题，贪心选择性质的证明并不简单。相对来说，证伪更加容易，例如零钱兑换问题。</li>
-<li>求解贪心问题主要分为三步：问题分析、贪心策略确定、正确性证明。其中，贪心策略确定是核心步骤，正确性证明往往是难点。</li>
+<li>求解贪心问题主要分为三步：问题分析、确定贪心策略、正确性证明。其中，确定贪心策略是核心步骤，正确性证明往往是难点。</li>
 <li>分数背包问题在 0-1 背包的基础上，允许选择物品的一部分，因此可使用贪心算法求解。贪心策略的正确性可以使用反证法来证明。</li>
 <li>最大容量问题可使用穷举法求解，时间复杂度为 <span class="arithmatex">\(O(n^2)\)</span> 。通过设计贪心策略，每轮向内移动短板，可将时间复杂度优化至 <span class="arithmatex">\(O(n)\)</span> 。</li>
 <li>在最大切分乘积问题中，我们先后推理出两个贪心策略：<span class="arithmatex">\(\geq 4\)</span> 的整数都应该继续切分、最优切分因子为 <span class="arithmatex">\(3\)</span> 。代码中包含幂运算，时间复杂度取决于幂运算实现方法，通常为 <span class="arithmatex">\(O(1)\)</span> 或 <span class="arithmatex">\(O(\log n)\)</span> 。</li>