本文首发自「慕课网」，想了解更多IT干货内容，程序员圈内热闻，欢迎关注！

作者| 慕课网精英讲师 JdreamZhang

贪心算法（Greedy Algorithm）是计算机科学与技术领域中一种常见的选择算法，与之前介绍的动态规划算法有一定的相似度。

顾名思义，贪心算法总是会做出在当前情况下看来最好的选择，谓之贪心，也就是说贪心算法并不会从整体最优考虑，它所做出的选择都只是在某种意义上的局部最优选择。当然贪心算法虽然不能对所有的问题得出整体最优解，但是在很多问题中还是有着很好的应用，可以得到整体的最优解。

贪心算法与动态规划算法的最大区别在于：贪心算法每次选择的时候都是按照贪心策略来选择的，满足当前情况的最优解，但是并不一定会是整体最优解；动态规划算法在选择考虑时会考虑所有的子情况，选择最优解，这会是整体的最优解。

贪心算法的使用条件

首先，在利用贪心算法求解问题之前，我们需要清楚什么样的问题适合用贪心算法求解。一般而言，能够利用贪心算法求解的问题都会具备以下两点性质：

1. 贪心选择： 当某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，并且每次做出的选择可以依赖以前做出的选择，但不需要依赖后面需要做出的选择。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。

1. 最优子结构： 如果一个问题的最优解包含其子问题的最优解，则此问题具备最优子结构的性质。问题的最优子结构性质是该问题是否可以用贪心算法求解的关键所在。

贪心算法与动态规划算法求解的问题类似，都需要满足最优子结构的性质。

贪心算法的应用场景

在日常的生活学习中，贪心算法一般可以用来解决很多实际问题。现在，我们就来看看贪心算法具体有哪些应用场景。

场景 1：活动选择问题

假如小明是一个勤工俭学的在校生，每天可以兼职的时候有 10 个小时，然后现在学校有多个不同的兼职岗位，每个岗位有个开始时间和结束时间，小明在同一时间只能做一份兼职，请问小明每天最多可以做多少份的兼职？

面对这样的问题，其实在日常生活中，我们的第一选择肯定是先把结束时间早的兼职活动做了，然后再去做其他的兼职？这里面其实就是有贪心思想的应用，因为我们每次都是先做完结束时间早的兼职，然后我们会留出更多的时间可以做其他兼职。

这个问题里面的贪心选择就是每次选择最先结束的兼职活动，并且可以证明每次选择的最先结束的兼职活动是整体最优的，因为如果不是选择最先结束的兼职活动，剩下的可兼职的时间就少了，可以完成的兼职也就少了。同样，兼职选择活动具备最优子结构的性质，子问题可以选择的最多兼职在整体问题中同样适用。

场景 2：钱币找零问题

有 1 元、2 元、5 元、10 元的纸币分别有若干张，要用这些纸币凑出 m 元，至少要用多少张纸币？

这个是生活中最为常见的一种场景，经常我们在商场中用现金付款时，我们付出了 100 元，当收银员找零的时候，不知道大家有没有发现，收银员总是会先找零面额较大的货币，然后找零面额较小的货币，这个其实也是一个贪心选择的过程，因为这样可以保证找零的货币数量最少。

我们可以很明显的发现，贪心算法很多时候都是应用于求解一些最优化问题，与动态规划算法很相似，这类问题在现实生活或者学习科研中经常会遇到，这是一种解决问题的思路与方法，希望大家可以好好思考。

本篇文章主要介绍了贪心算法的定义及基本概念，需要大家明白什么样的问题适合利用贪心算法求解，如何自己去设计一个贪心算法，以及我们日常生活中哪些应用场景适合用贪心算法思想求解。

欢迎关注「慕课网」，发现更多IT圈优质内容，分享干货知识，帮助你成为更好的程序员！