贪心算法（greedy algorithm）

什么是贪心算法

贪心算法是常见的优化问题的方法，它在问题的每个阶段都寻求最优解，既贪心的做出局部最优解

零钱兑换问题

一个简单的贪心算法问题

题干：你有一个硬币数组coins[](数组中默认增序)，里面存储了若干面值的硬币，写一个函数coinChangeGreedy(int[] coins,int atm),判断是否能用硬币数组里的面额付清atm(目标金额)，若能返回找钱次数count，若不能则返回-1。

思考：我们要解决这个问题的步骤首先是找到数组coins[]中小于等于atm的最大金额coins[i]，然后目标金额atm-coins[i],count++。

通过思考我们需要一个循环套一个循环，大循环执行atm-coins[i],count++,内部循环寻找符合满足coins[i] <= atm的第一个元素。

代码如下

int coinChangeGreedy(int[] coins, int atm) {
        int i = coins.length - 1;
        int count = 0;//标识找钱次数
        while (atm > 0) {
            //每次都找到小于等于atm的钱
            while (i > 0 && coins[i] > atm) {
                    i--;
            }
            //找到最适合的coins[i]
            atm -= coins[i];
            count++;
        }
        //返回找钱次数，若找不开则返回-1
        return atm == 0 ? count : -1;
    }

 贪心算法的优点和局限

贪心算法操作直接，实现简单，通常效率也高，但可能不会找到最优解。

在coins[1,5,10,20,,50,100]来找任意金额都能找到最优解

但coins[1,20,50]来找60只能找到一个50，十个1，一共11个硬币，但动态规划直接能找到3个20

在coins[1,49,50]来找98，用贪心算法要找一张50和四十八张1共49个，但动态规划只需要2个

贪心算法的性质

整个问题的最优解是每个局部问题的最优解

贪心算法典型用例

硬币找零问题：在某些硬币组合下，贪心算法总是可以得到最优解。

区间调度问题：假设你有一些任务，每个任务在一段时间内进行，你的目标是完成尽可能多的任务。如果每次都选择结束时间最早的任务，那么贪心算法就可以得到最优解。

分数背包问题：给定一组物品和一个载重量，你的目标是选择一组物品，使得总重量不超过载重量，且总价值最大。如果每次都选择性价比最高（价值 / 重量）的物品，那么贪心算法在一些情况下可以得到最优解。

股票买卖问题：给定一组股票的历史价格，你可以进行多次买卖，但如果你已经持有股票，那么在卖出之前不能再买，目标是获取最大利润。

霍夫曼编码：霍夫曼编码是一种用于无损数据压缩的贪心算法。通过构建霍夫曼树，每次选择出现频率最低的两个节点合并，最后得到的霍夫曼树的带权路径长度（编码长度）最小。

Dijkstra 算法：它是一种解决给定源顶点到其余各顶点的最短路径问题的贪心算法。