贪心算法的基本思想（Greedy Algorithm）

一、贪心算法简介

贪心算法：英文全称：Greedy Algorithm，基本思想是在解决最优解的问题时，将求解过程分为若干个步骤，每个步骤都应用贪心原则，选取当前状态下最好/最优的选择（局部最有利的选择），并且希望此选择最后累积的结果也是最优的解，问题的最优解是由子问题的最优解堆叠而来的。

顾名思义，贪心法好像一个贪婪的人，处于当前的这个阶段，他做出的选择都是当前他能看到的最好的选择，贪图眼前利益的最大化，完全不顾未来会怎么样，但贪心算法要求眼前利益最优，最终问题利益也最优。

二、贪心法的基本步骤

1. 从某个初始解出发

2. 采用迭代的过程，当可以向目标前进一部时，就根据局部最优策略，得到一部份解，缩小问题规模

3. 将所有解综合起来

三、贪心法的经典问题

问题一：跳跃游戏

题目描述：

给定一个非负整数数组，你最初位于数组的第一个位置。数组中的每个元素代表你在该位置可以跳跃的最大长度，判断你是否能够到达最后一个位置。

示例1：

输入：[2,3,1,1,4]
输出：true
​
解释：初始位于下标为0的位置，num[0]=2，代表在这个位置最多跳跃2步，即这个位置能达到num[1],num[2]这两个位     置
路线：2->3->4 或 2->1->1->4
     有多种路线，只需最后能跳跃到末尾就算成功，返回true，反之返回false  

示例2：

输入：[3,2,1,0,4,3]
输出：false
​
解释：无论如何，你总会到达数组下标为3的位置，无法到达终点

先分析一下问题，如果能够跳跃到最终位置，那么需要能够达到末尾元素的最后一跳能够跳到末尾元素，即 i + nums[i] >= nums.length（数组下标+数组元素>=数组长度），而上上个元素需要到达上一元素，这样层层嵌套，这就是贪心算法中的子问题形式。

从第一个元素开始遍历，设置一个变量maxPlace，记录当前遍历过的元素能够到达的最远位置，将遍历到的元素的下标+nums[i]与当前的maxPlace作比较，若大于maxPlace，则更新该变量，若maxPlace >= nums.length - 1,则能够达到终点，跳出循环。若遍历完当前能够到达的元素后，maxPlace <= nums.length - 1，则reture false

java代码实现：

class Solution {
    public boolean canJump(int[] nums) {
         int maxPlace = 0;  //能够到达的最远位置
​
        for (int i = 0; i < nums.length; i++) {
            if (i <= maxPlace) {
                maxPlace = Math.max(maxPlace, i + nums[i]);
                if (maxPlace >= nums.length - 1) {
                    return true;
                }
            }
        }
        return false;
    }
}