从贪心算法到暴力递归法——从局部最优到整体最优

前情提要

在上一篇文章（从贪心算法开始认识动态规划——硬币找零问题）里，我们已经学习了贪心算法的思想，并且发现贪心算法是一种使用局部最优思想解题的算法，即从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的速度去求得更好的解，当达到算法中的某一步不能再继续前进时，算法停止。

通过硬币找零问题，我们也发现了贪心算法本身的局限性：不能保证求得的最后解是最佳的

因此，我们需要从整体最优的角度来解决算法问题。

最优问题的本质

所谓最优化问题，就是指在某些约束条件下，决定可选择的变量应该取何值，使所选定的目标函数达到最优的问题。

从数学意义上说，最优化方法是一种求极值的方法，即在一组约束为等式或不等式的条件下，使系统的目标函数达到极值，即最大值或最小值。在数学里一切都是函数，现在我们先把这个问题用函数形式来表示。

目标函数

假定给出 y 元硬币，硬币面额是 5 元和 3 元，求出需要的最少硬币数量。所谓的最少硬币数量就是 5 元硬币和 3 元硬币的总数，假定 5 元硬币数量为 $x_0$​，3 元硬币数量为 $x_1$​，那么用函数表示就是：

• $f(x_0,x_1)=x_0+x_1$​

这就是所谓的“目标函数”

但是这个函数现在是没有任何限制的，我们希望对此进行约束，使得 5 元硬币和 3 元硬币的面值综合为 y。为此我们需要给出一个约束：

• $5x_0+3x_{}$