贪心算法

       贪心算法和动态规划非常类似，都可以用于求解最优化问题，有的问题用两种方法都可以解决。

       贪心算法思想：在每一步都求解极值，即当前状态下的最优解，进而可以求得全局最优解。因此贪心算法使用是有条件的，有的时候局部最优并不会得到全局最优，我们可以举出一个反例即可，这样就只能用动态规划了。

       考虑如下的零钱问题：给定2元5角，1元和1角的硬币若干，怎么用最少的数量凑出6元3角？首先贪心算法：每一步求最大值，即依次选择2元5角、2元5角、1元、3个1角。

       但是能否举出反例？
给定1元1角，5角和1角的硬币若干，怎么用最少的数量凑出1元5角？
如果贪心算法：1元1角，4个1角（错误，应该是1元、5角），则证明要用DP求解。

自下而上的解决：动态规划（全局最优解中每步的最优可能依赖子问题的解）。
自上而下的解法：贪心算法（每一步的最优解可以立马确定，和子问题没有关系）

常见的贪心算法有：最短路径算法、最小生成树、哈夫曼树

例子：1、合并果子问题

问题介绍：
在一个果园里，多多已经将所有的果子打了下来，而且按果子的不同种类分成了不同的堆。多多决定把所有的果子合成一堆。
每一次合并，多多可以把两堆果子合并到一起，消耗的体力等于两堆果子的重量之和。可以看出，所有的果子经过n-1次合并之后，就只剩下一堆了。多多在合并果子时总共消耗的体力等于每次合并所耗体力之和。
因为还要花大力气把这些果子搬回家，所以多多在合并果子时要尽可能地节省体力。假定每个果子重量都为1，并且已知果子的种类数和每种果子的数目，你的任务是设计出合并的次序方案，使多多耗费的体力最少，并输出这个最小的体力耗费值。
例如有3种果子，数目依次为1，2，9。可以先将1、2堆合并，新堆数目为3，耗费体力为3。接着，将新堆与原先的第三堆合并，又得到新的堆，数目为12，耗费体力为12。所以多多总共耗费体力=3+12=15。可以证明15为最小的体力耗费值。

//哈夫曼树问题
int min_strength(int n,vector<int>& arr) 
{
	int ans = 0;
	//最小堆，vector是底层存储堆的结构 
	priority_queue<int, vector<int>, greater<int>> q; 
	
	for (int item : arr) {
		q.push(item); //建堆
	}

	int f1, f2;
	while (q.size() > 1) {         //只要优先队列中存在不止一个元素 
		f1 = q.top();
		q.pop();
		f2 = q.top();              //取两个最小的数（局部最优），贪心算法
		q.pop();
		q.push(f1 + f2);           //将和入队 
		ans += f1 + f2;
	}
	return ans;
}