高三的时候准备信息学奥赛，到处做编程题。。

当时自己为AC了这道题得意了好一阵子…… 是TOJ上的一道题目，

其解题思路涉及到 随机贪心。。

什么是随机贪心？这里用我自己的话给个简单的介绍吧。

贪心算法就是根据问题的本质，给出一个最优解导向，然后不断的去迭代进而求出最优解。

而在很多时候，未必能准确的找到这个最优解导向（或者根本不存在，比如NP问题），但却可以找到一个近似的导向算法（近似贪心算法）。那么我们也可以在迭代若干次之后得到一个最优解的近似解。

假如我们打乱整个系统的初始状态为其等效状态，然后再进行上述迭代，又可以求到一个近似解。

如果我们能穷举出所有的等效初始状态，然后从所有的近似解里取最优解，那么就可以得到整个问题的最优解了。

而在实际情况中，可能无法枚举所有情况（复杂度太高），那么我们可以不断的随机去模拟初始状态，然后从该状态求近似解。

然后我们多次随机取其中的最佳值。这样，我们随机次数越高，结果就越准确。

我们把这种算法叫做随机贪心算法。

发上来纪念一下，这段青涩的代码，哈哈

记得当初我还写了个小解题报告，存在 yeah.net的邮箱里。。今天去看，居然因为我长期不登陆把我的删掉了。。可恶

{$N+} program tju1033; const limit=18; var Ham:array[0..limit+1] of integer; n,i,u:integer; min:double; cost:array[1..limit,1..limit] of double; x,y:array[1..limit] of double; procedure init; var i,j:integer; begin readln(n); for i:=1 to n do readln(x[i],y[i]); for i:=1 to n do for j:=1 to n do cost[i,j]:=sqrt(sqr(x[i]-x[j])+sqr(y[i]-y[j])); for i:=0 to n+1 do Ham[i]:=i; end; procedure Hamilton_Change; var finish:boolean; i,j,k,tmp:integer; begin finish:=false; Ham[0]:=Ham[1]; Ham[n+1]:=Ham[n]; while not finish do begin finish:=true; for i:=1 to n do for j:=i+1 to n do if cost[ Ham[i-1],Ham[i] ]+cost[ Ham[j],Ham[j+1] ] > cost[ Ham[i-1],Ham[j] ]+cost[ Ham[i],Ham[j+1] ] then begin for k:=0 to (j-i) div 2 do begin tmp:=Ham[i+k]; Ham[i+k]:=Ham[j-k]; Ham[j-k]:=tmp; end; finish:=false; Ham[0]:=Ham[1]; Ham[n+1]:=Ham[n]; end; end; end; procedure Count_Ans; var total:double; i:integer; begin total:=0; for i:=1 to n-1 do total:=total+cost[ Ham[i],Ham[i+1] ]; if total<min then min:=total; end; procedure Random_adjust; var i,a,b,tmp:integer; begin for i:=1 to 1000 do begin a:=random(n+1); b:=random(n+1); if (a<>b) and (a<>0) and (b<>0) then begin tmp:=Ham[a]; Ham[a]:=Ham[b]; Ham[b]:=tmp; end; end; end; begin randomize; while not eof do begin init; min:=maxint; Hamilton_Change; Count_Ans; for i:=1 to 500 do begin Random_adjust; Hamilton_Change; Count_Ans; end; writeln(min:0:2); end; end.