人民币找零 vs 硬币问题 贪心 vs 动态规划

人民币找零
[问题描述]在50元和100元面值的人民币出现之前，人民币仅由10元、5元、2元、1元、5角、2角、1角和5分、2分、1分面值的钱币组成。现给定一个10000元以内，精确到1分的人民币数值，请你用最少的钱币张数，找出相应的钱数。例如：给定钱币数为17元3角2分，则输入数据为17.32，则相应的输出为：
6（钱币总张数，此数应最小）
(以下为各种面值钱币的张数，不需要使用的钱币不必列出) 10 1
5 1
2 1
0.2 1
0.1 1
0.02 1
算法分析：因为可使用的任一面值的钱币数目不限，所以先使用大面值的钱币数，再使用小面值的钱币数。

硬币问题
[问题描述]将C (1 <= C <= 1000)分用最少的N(1 <= N<= 10)种不同价值的硬币表示。假如有5种硬币，价值分别为50, 25, 10, 5和1分，93分最少的方法是用1个50, 1个25, 1个10, 1个 5,和3 个 1 分的硬币 (共7个硬币)。
输入格式：第一行：两个用空格隔开的整数：C和N
第2..N+1行：每行包含一个整数表示这
种硬币的价值。
输出格式:一行:一个整数表示最少要几个硬币表示C分
样例输入:93 5 样例输出:
25 7
50
10
1
5
算法分析：
样例用前例所讲的贪心策略无疑是正确的，但我们可以举出反例。例如：共有3种硬币，分别是6分，5分，1分，确定10分最少需要几个硬币。运用前面的贪心策略先选1个6分的，再用4个1分的，共5个硬币。但我们显然可以用两个5分硬币表示10分。本题正确的算法应该是动态规划。

贪心用于动态规划
贪心法和动态规划是信息学竞赛中的常用经典算法，而当某些问题的模型过于复杂的时候，由于状态过于庞大、转移困难等一系列的问题，常规的动态规划难于甚至无从下手。而在这个时候，巧妙的使用贪心思想，将其融入到动态规划的解题中，动态规划便焕发出了新的光彩。
随机化贪心解决NP问题
贪心法的时间复杂度是相当小的，它没有充分利用时间，因此得到最优解的概率不大；如果能够贪心多次而得到不同的结果，最后取其中的最优，得到最优解的概率就会大大增加 ，于是引入随机化算法 。

数据结构中几种典型的贪心算法：
1. 哈夫曼(Huffman） 编码
2. 库鲁斯卡尔（Kruskal） 算法
3. 普利姆（Prim） 算法