前言：

貪心算法（Greedy Algorithm）是一種在每個決策階段都選擇當前最優解的算法策略，通過局部最優的累積來尋求全局最優解。其本質是"短視"策略，不回溯已做選擇。

什么是貪心、如何來理解貪心(個人對貪心的理解)

前言對貪心是一種概念的回答。接下來就了解一下自己對貪心的理解，如果學習算法的化建議優先學習動態規劃，動態規劃相對于其他算法來說很簡單。但是，貪心算法跟動態規劃不同，非常難，貪心講究策略，每一道貪心有每一道貪心題解題的策略。

什么是貪心算法：

解決問題的策略，由局部最優到全局最優，把解決問題的過程分為若干步，在解決每一步的時候，都選擇當前看起來最優的解法，貪心就體現在最優上，希望得到全局最優，但只是看起來最優，在每一步的過程中都選擇當前看起來最優的策略（找零問題），簡單來說就是只考慮眼前的利益，目光不長遠。

貪心算法的特點：

貪心策略的提出，可以看出貪心策略的提出是沒有標準模板的，可能換一道貪心題其貪心策略也就不一樣了，這也就是貪心難的地方了，可能每一道貪心題的貪心策略都是不同的。因為貪心是數目寸光的，所以就要考慮到貪心策略的正確性，有可能貪心策略是一個錯誤的方法，所以正確的貪心策略是需要嚴格證明的，說到貪心策略的證明，在數學上你見到的還是你沒有見到的證明方法都可以拿來證明。

找零問題

#include <vector>
#include <algorithm>
using namespace std;vector<int> greedyCoinChange(int amount, vector<int> coins) {sort(coins.rbegin(), coins.rend()); // 降序排列vector<int> result;for (int coin : coins) {while (amount >= coin) {result.push_back(coin);amount -= coin;}}return (amount == 0) ? result : vector<int>(); // 返回空表示無解
}

活動選擇

struct Activity {int start, end;
};vector<Activity> selectActivities(vector<Activity> activities) {sort(activities.begin(), activities.end(), [](const auto& a, const auto& b){ return a.end < b.end; });vector<Activity> selected;int lastEnd = -1;for (auto& act : activities) {if (act.start >= lastEnd) {selected.push_back(act);lastEnd = act.end;}}return selected;
}