之前的课程中，我们学习了运用贪心算法解决问题的两个例子：最少纸币问题和埃及分数问题。在进一步学习用贪心算法解决问题的技巧之前，我们先做一个小结。
但是贪心算法并不能适用所有优化问题的场合。
例如它可以用于解决分数背包问题（FractionalKnapsack），但是它不适用于0-1背包问题（0-1Knapsack）。
0-1背包问题：我们有一堆物品S={a1,a2,...,an}，每一个物品ai都有对应的重量wi和价值vi。现在有一个背包，这个背包的容量为W，现在要将选择物品放入背包，所选物品的总重量不能超出背包容量，并使得背包里面物品的价值最大。注意：物品不能只选取其中一部分，必须选择整个(1)，或者不选(0)！
分数背包问题：这个问题和上面的问题相似，唯一不同的就是该问题里可以对物品可以进行分割，即可以只选取一个物品ai的一部分放入背包。
用贪心算法解决分数背包问题，采取的策略是“每次从剩余的物品中选择Vi/Wi比值最大的物品放入背包”，它总能找到最优解。但是对于0-1分数背包问题，贪心算法不能保证找到最优解。
我们来看一个例子。
假设我们有三个物品a1,a2,a3以及一个容量W为50的背包，这三个物品{重量,价值}分别为：a1{w1=10,v1=60}、a2{w2=20,v2=100}以及a3{w3=30,v3=120}。
我们对每个物品计算价值与重量的比值：v1/w1=6，v2/w2=5，v3/w3=4。
采用贪心算法，首先选择比值最高(也就是单位重量价值最高)的a1放入背包，然后再放入a2，因为此时a3不能全部放入背包，于是我们把a3进行切割，把它的一部分放入背包。请看下图。
为什么我们不能用贪心算法来解决0-1背包问题呢？
我们还是按照之前的将平均价值最大的放入背包里面，放入a1，然后再加入a2，此时已经不能再把a3整体放入了，此时得到背包物品总价值为60+100=160。
但这明显不是最优解！随便举一个反例就可以证明：只放入a2和a3，就可以使总价值达到100+120=220。
下面列出了一些运用贪心算法解决问题的非常有名的例子：
现在我们给出一个贪心算法的课后练习题：
a1{start=10,finish=20}
a2{start=12,finish=25}
a3{start=20,finish=30}
请你设计一种贪心算法解决下面的类似问题：考虑下面6个活动，请找出你可以参与的最多活动数