贪心算法活动选择问题C语言或者Python代码

贪心算法是一种解决问题的策略，它在每一步都采取当前状态下最好、最直接的选择，希望这样的局部最优解能够累积成全局最优解。对于活动选择问题，也称为任务调度或课程表问题，通常涉及在一个有限的时间窗口内选择一系列互斥的任务。

以下是用Python和C语言简单实现的活动选择问题（即0-1背包问题简化版）的贪心策略：

**Python示例：**

def activity_selection(events):
    events.sort(key=lambda x: x[1])  # 按结束时间升序排列
    selected = [events[0]]
    for i in range(1, len(events)):
        if events[i][0] > selected[-1][1]:
            selected.append(events[i])
    return selected

# 示例事件列表，每个元素是一个元组 (开始时间, 结束时间)
events = [(1, 3), (2, 4), (3, 5), (6, 7)]
print(activity_selection(events))

**C语言示例：**

#include <stdio.h>
#include <stdlib.h>

// 比较结构体按结束时间排序
typedef struct {
    int start;
    int end;
} Event;

int compare(const void *a, const void *b) {
    Event *ea = (Event *)a, *eb = (Event *)b;
    return ea->end - eb->end;
}

void activity_selection(Event *events, int n) {
    qsort(events, n, sizeof(Event), compare);
    Event *selected[] = {events};
    for (int i = 1; i < n; ++i) {
        if (events[i].start > selected[0]->end) {
            selected[0] = &events[i];
        }
    }
    printf("Selected activities:\n");
    for (int i = 0; i <= n; ++i) {
        printf("(%d,%d)\n", selected[i]->start, selected[i]->end);
    }
}

int main() {
    Event events[] = {{1, 3}, {2, 4}, {3, 5}, {6, 7}};
    activity_selection(events, sizeof(events) / sizeof(events[0]));
    return 0;
}

这两个示例都是基于假设所有活动在同一时间段内是独立的，并且只考虑了时间线上的顺序。实际应用中可能需要更复杂的策略。