Greedy 贪心算法

贪心算法概念

1. 每一步中都采取当前状态下最好或最优的解法，从而使全局解法最优
2. 与动态规划的不同是，他对于每个子问题的解决方案都会做出选择，不能回退。而动态规划则会保存之前的运算结果 ，并根据以前的结果对当前进行选择，能够退回
3. 所有子方案最优不一定能全局最优
4. 对于工程和生活中的问题贪心算法一般不能得到我们想得到的答案

什么时候使用贪心算法

1. 问题能够分成最优子问题来解决，子问题的最优解能递推到最终问题的最优解，也就是最优子结构问题
2. 可以解决最优化的问题，如求图中最小生成树，求哈夫曼编码等
3. 因为贪心算法的高效性 可作为辅助算法或者直接解决一些要求结果不特别精确的问题

题解

1 买卖股票的最佳时机 II

方案：

1. 从最低点买入，从最高点卖出
2. 从低点买入，只要赚钱就卖出，不断买卖
3. 从低点买入，到价格高点卖出，不断买卖

var maxProfit = function(prices) {
    let cnt = 0;
    let len = prices.length;
    for (let i = 1; i < len; i++) {
        let temp = prices[i] - prices[i - 1];
        if (temp > 0) cnt+=temp;
    }
    return cnt;
};

2 860. 柠檬水找零

策略：

1. 不区分金额直到找到足够的零钱
2. 给钱找零，优先给金额大的零钱，尽量把零钱放手里，多次找零

/**
 * @param {number[]} bills
 * @return {boolean}
 */
var lemonadeChange = function (bills) {
    let hand = [];
    while (bills.length) {
        let money = bills.shift();
        if (money === 5) {
            hand.push(money);
        } else {
            hand.sort((a, b) => b - a); // 降序
            let change = money - 5; // 找零
            for (let i = 0, len = hand.length; i < len; i++) {
                if (hand[i] <= change) {
                    change -= hand[i];
                    hand.splice(i, 1);
                    i--;    // 数组发生删除，长度改变，要维持刚才的i不变
                }
                if (change === 0) {
                    break;
                }
            }
            if (change !== 0) {
                return false;
            } else {
                hand.push(money);
            }
        }
    }
    return true;
};