贪心算法：硬币问题（有限个）

贪心算法

贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解 [1] 。
  贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择。也就是说，不从整体最优上加以考虑，做出的只是在某种意义上的局部最优解。详情参见贪心算法

硬币问题

   根据贪心选择性质：一个问题的整体最优解可通过一系列局部的最优解的选择达到，并且每次的选择可以依赖以前作出的选择，但不依赖于后面要作出的选择。这就是贪心选择性质。对于一个具体问题，要确定它是否具有贪心选择性质，必须证明每一步所作的贪心选择最终导致问题的整体最优解 。

算法步骤：

(1) 输入货币面值和个数字典V和需要支付的价钱A;
(2) def func(V, A):
(3) V = sorted(V.items(), key=lambda x: x[0], reverse=True) # 将货币面值排序，大的在前面，表示优先使用
(4) total = 0 # 整体用的货币的个数
(5) for i in range(len(V)):
(6) t = min(A // V[i][0], V[i][1]) # 货币需要的个数和拥有个数进行比较
(7) A = A - t * V[i]
(8) total += t
(9) return total

代码实现：

def func(V, A):
    V = sorted(V.items(), key=lambda x: x[0], reverse=True) # 将货币面值排序，大的在前面，表示优先使用
    total = 0   # 整体用的货币的个数
    for i in range(len(V)):
        t = min(A // V[i][0], V[i][1])
        A = A - t * V[i][0]
        total += t
    return total

print(func({1: 3, 5: 2, 10: 1, 50: 3, 100: 0, 500: 2}, 620))

运行结果：