您的进步和反馈是我最大的动力，小伙伴来个三连呗！共勉。

贪心法，可能是大家在处理陌生问题时候，最容易想到的办法了吧？

还记得小时候，国足请了位洋教练发表了一句到现在还被当成段子的话：“如果球员不知道把球往哪里踢，那就往球门里踢！”呃，施拉普纳老爷子如果干程序员，应该也能混的不错！

当我们在陌生的城市迷路，一般会顺着大路找更大的路，沿着繁华的街区找更繁华的街区，直到找到地标性的建筑物来重新帮助自己找回方向感。

男生购物的时候，如果心里已经锁定了品牌，那么几个单品大差不差的情况下，折扣最大的那件怎么看都觉得美滋滋的。

至于吃饭，那肯定是打开手机app，不出意外的话，推荐的前几个基本跑不了了。

还有直播间里，为啥主播娇滴滴的呼唤榜一大哥，咳咳，打住。

类似这样的例子还可以举出很多，不过既然我们是撸代码的，那么多举几个相关的例子好了！

首先想到的肯定是最短路径上的dijkstra（包括升级的双向dijkstra算法），为了计算从起点到图上任意点的最短距离，老爷子就每走到一个点（广度优先，总n个），就重新计算和更新一下到起点的最短距离，从而得到了这个非常优秀的，空间O(n)和时间O(n^2)的算法（时间复杂度还有优化空间）。

然后就是0-1背包问题，比如你的道士打僵尸爆出了一地的法宝材料装备，然后你的宠物狗挠小怪也是一地，都铺满了，这时候负重有限背包有限，物品呢占地方不同价值也不同，你也不想来回来去主城主职业改成做二道贩子，那么怎么捡最划算呢？

还有压缩，还有搜索，感兴趣的小伙伴可以去brilliant看看，好消息是，不但有图示讲解，还有题可以刷，呃那个，比较友好的那种。强烈安利。

Greedy Algorithms | Brilliant Math & Science Wiki

实际应用中，贪心法就一点不好 - 这是把“神经刀”，顺的时候神挡杀神佛挡杀佛，不顺的时候呢无法收敛，主打一个起伏不定，“女孩的心思男孩你别猜”。

这就跟深度学习在工程中的发挥比较类似了，也难怪我们在上一个章节看见，他俩一起秀恩爱。

具体点呢， 𝑄(𝑠,𝑎)=𝑟+𝛾max⁡𝑎′𝑄(𝑠′,𝑎′)，这里更新状态时采用的参数，max/最大预期回报，就是在应用贪婪法。具体的做法就是 - 

//其他代码
# Exploration parameters
epsilon = 1.0                 # Exploration rate
max_epsilon = 1.0             # Exploration probability at start
min_epsilon = 0.01            # Minimum exploration probability 
decay_rate = 0.005            # Exponential decay rate for exploration prob

//其他代码

for step in range(max_steps):
    # 3. Choose an action a in the current world state (s)
    ## First we randomize a number
    exp_exp_tradeoff = random.uniform(0, 1)
        

## If this number > greater than epsilon --> exploitation (taking the biggest Q value for this state)
    if exp_exp_tradeoff > epsilon:
        action = np.argmax(qtable[state,:])
# Else doing a random choice --> exploration
    else:
        action = env.action_space.sample()

//其他代码
# Reduce epsilon (because we need less and less exploration)
epsilon = min_epsilon + (max_epsilon - min_epsilon)*np.exp(-decay_rate*episode) 
//其他代码

简单概括一下，就是在训练的初期，选择较大的探索值（epsilon），随着训练的进行，慢慢减小探索值，直到得到稳定收敛的良好控制效果。

为了更好的说明如何把贪婪法应用于深度学习，稍后会再更新一篇教程以及源码，以便小伙伴食用。