贪心算法、分治算法和动态规划的区别 贪心算法和动态规划.pdf

记录一道面试算法题餐馆问题（贪心和动态规划） 贪心算法和动态规划.pdf

给定x轴上n个闭区间，去掉尽可能少的闭区间，使剩下的闭区间都不相交。 注意：这里，若区间与另一区间之间仅有端点是相同的，不算做区间相交。例如，[1，2]和[2，3]算是不相交区间。

1、内容概要：社交网络影响力最大化（Python实现）及Wiki-Vote数据集。（1）线性阈值模型（LT模型）代码实现（代码有详细注释）；（2）LT模型改进算法-贪心算法代码实现（代码有详细注释）； 2、源代码适用于学生或研究者等人，该研究方向的学生可以对源代码及相关论文进行学习实验。 3、影响力最大化的应用场景十分丰富，包括病毒营销，推荐系统，信息扩散，时间探测，专家发现，链接预测等。 4、主要文件有：BAcreate.py，linear_threshold.py，linear_threshold_clime.py，LT_improve.py，test_linear_threshold.py，test_linear_threshold_clime.py，Wiki-Vote.txt。

五大常用算法之三：贪心算法，算法数据结构 五大常用算法

五大常用算法之三：贪心算法 (1)，算法数据结构 五大常用算法

五大常用算法之三：贪心算法 (3)，算法数据结构 五大常用算法

五大常用算法（一）贪心算法，算法数据结构 五大常用算法

MapReduce是目前广泛应用的并行计算框架，是Hadoop平台的重要组成部分。主要包括Map和Reduce函数，Map函数输出key-value键值对作为Reduce的输入。由于输入的动态性，不同主机上的Reduce处理的输入量存在不均衡性。如何解决Reduce的负载均衡是优化MapReduce的一个重要研究方向。对整体数据进行抽样，通过适量的样本分析数据，达到较小的代价获得可靠的key分布，提出贪心算法代替Hadoop平台默认的Hash算法来划分数据，实现Reduce负载均衡。提出的贪心算法主要思想

要求给出一种作业调度方案，使所给的n个作业在尽可能短的时间内由m台机器加工处理完成。约定，每个作业均可在任何一台机器上加工处理，但未完工前不允许中断处理。作业不能拆分成更小的子作业。