零钱兑换（贪心算法，经典入门题）

概念：

贪心算法（或贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择，即不从整体最优上加以考虑，得到在某种意义上的局部最优解。

样题：力扣860.柠檬水找零

题目描述：

在柠檬水摊上，每一杯柠檬水的售价为 5 美元。顾客排队购买你的产品，（按账单 bills 支付的顺序）一次购买一杯。
每位顾客只买一杯柠檬水，然后向你付 5 美元、10 美元或 20 美元。你必须给每个顾客正确找零，也就是说净交易是每位顾客向你支付 5 美元。
注意，一开始你手头没有任何零钱。
给你一个整数数组 bills ，其中 bills[i] 是第 i 位顾客付的账。如果你能给每位顾客正确找零，返回 true ，否则返回 false 。

示例1️⃣：

输入：bills = [5,5,5,10,20]
输出：true
解释：
前 3 位顾客那里，我们按顺序收取 3 张 5 美元的钞票。
第 4 位顾客那里，我们收取一张 10 美元的钞票，并返还 5 美元。
第 5 位顾客那里，我们找还一张 10 美元的钞票和一张 5 美元的钞票。
由于所有客户都得到了正确的找零，所以我们输出 true。

示例2️⃣：

输入：bills = [5,5,10,10,20]
输出：false
解释：
前 2 位顾客那里，我们按顺序收取 2 张 5 美元的钞票。
对于接下来的 2 位顾客，我们收取一张 10 美元的钞票，然后返还 5 美元。
对于最后一位顾客，我们无法退回 15 美元，因为我们现在只有两张 10 美元的钞票。
由于不是每位顾客都得到了正确的找零，所以答案是 false。

示例3️⃣：

输入：bills = [5,5,10]
输出：true

示例4️⃣：

输入：bills = [10,10]
输出：false

提示：

1 <= bills.length <= 105
bills[i] 不是 5 就是 10 或是 20 

分析：共有三次交易情况

5 美元，由于柠檬水的价格也为 5 美元，因此我们直接收下即可。

10 美元，我们需要找回 5 美元，如果没有 5 美元面值的钞票，则无法正确找零。（判断条件）

20 美元，我们需要找回 15 美元，此时有两种组合方式，一种是一张 10 美元和 5 美元的钞票，一种是 3 张 5 美元的钞票，如果两种组合方式都没有，则无法正确找零。当可以正确找零时，两种找零的方式中我们更倾向于第一种，即如果存在 5 美元和 10 美元，我们就按第一种方式找零，否则按第二种方式找零，因为需要使用 5 美元的找零场景会比需要使用 10 美元的找零场景多，保留5美元钞票对我们当前最有益，我们需要尽可能保留 5 美元的钞票。（选择贪心策略）

实现：

class Solution {
public:
    bool lemonadeChange(vector<int>& bills) {
    int five=0,ten=0;//记录5美元，10美元的钞票张数
    for(int i:bills){
        if(i==5)five++;
        else if(i==10){
            five--;
            ten++;
        }
        else if(i==20){
            if(ten>0){//当遇到20美元的钞票时，优先选择5，10的组合
            ten--;     //实在不行再用三张5美元的组合
            five--;}   //这就是贪心算法的应用，面临多种情况的选择
            else{      //时，贪心思想，选择当前最有益的思想
                five-=3;
            }
        }
        if(five<0)return false;
    }
    return true;
    }
};

注意：

贪心算法不能对所有问题都得到整体最有解，但对于很多问题，它能通过局部贪心产生整体最优解，例如：这里的零钱兑换问题，图的单源最短路径问题，最小生成树问题。
而在一些情况下，虽然贪心算法不能得到整体最优解，其最终结果却是最优解的很好近似（如，最经典的01背包问题，贪心算法得到的解与动态规划得到的正确最优解非常接近，当然，接近不等于最优，用贪心还是过不了01背包的）