使用贪心算法优化活动会场调度

"该代码示例展示了如何使用贪心算法来解决活动会场安排问题，适用于大学算法实验教学。" 贪心法是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是全局最好或最优的算法设计策略。在这个具体的活动会场安排问题中，我们有多个活动，每个活动都有开始时间（s）和结束时间（f），我们需要找到一种方式来最大化可以同时进行的活动数量。 首先，定义了一个结构体`activite`，用于存储活动的信息，包括活动名称、开始时间和结束时间。接着，创建了两个`activite`类型的数组`act`和`actb`，分别用于存储原始活动数据和处理后的活动数据。 `compare`函数用于找出开始时间最早的活动，并将其存储到`actb`数组中。在这个函数中，首先将`act[0]`设置为当前最早结束的活动，然后遍历数组，如果发现有活动的开始时间不晚于当前最早结束的活动，就更新`act[0]`并将这个活动添加到`actb`数组中。最后返回`actb`数组的大小，即满足条件的活动数量。 `comparison`函数是一个简单的冒泡排序，用于对输入的活动按照结束时间从小到大排序，这样在后续的比较中可以更容易地找到最早结束的活动。 `main`函数是程序的入口，它负责接收用户输入的活动信息，包括活动名称、开始时间和结束时间，然后调用`comparison`函数对活动进行排序，再调用`compare`函数找出最早结束的活动。最后，程序会打印出可以安排的活动列表。 这个程序使用贪心算法解决了活动会场安排的问题，通过优先考虑结束时间最早的活动，尽可能地使得更多的活动可以在同一时间段内进行。这种方法虽然不能保证总是得到全局最优解，但在许多情况下可以得到满意的结果，尤其当问题的最优解确实可以通过局部最优选择达到时。在实际应用中，贪心算法常被用于解决资源分配、任务调度等问题，具有较高的效率。