贪心算法的思想：

贪心算法是指：在每一步求解的步骤中，它要求“贪婪”的选择最佳操作，并希望通过一系列的最优选择，能够产生一个问题的(全局的)最优解。

贪心算法每一步必须满足一下条件：

1、可行的：即它必须满足问题的约束。

2、局部最优：他是当前步骤中所有可行选择中最佳的局部选择。

3、不可取消：即选择一旦做出，在算法的后面步骤就不可改变了。

贪心算法的经典例子：

活动选择问题，找零钱问题，摇摆问题，删数问题等。

以找零问题为例来阐述贪心算法的具体步骤：

问题描述：假设商店老板需要找零n元钱，钱币的面额有：100元、50元、20元、10元，5元、1元，如何找零使得所需钱币的数量最小？

解题思路：贪心选择：老板要找零99元的话，他有上面的面值分别为50，20，10，5，1元的钞票，为了找给我最少的硬币数，他首先考虑50元的，能找99/50=1张，然后看20元，能找49/20=2张，剩下9元，然后看10元，不能找，那么就考虑5元… 即每次考虑当前看起来最优的选择。

最优子结构：从初始状态出发，每步都经过贪心选择，最终得到问题的最优解。第一张50元是第一步找零局部最优，以此每步达到局部最优。寄希望于局部最优的选择能够导致全局最优解。

代码实现：

# -*- coding: utf-8 -*-

"""

Created on Sat Mar? 6 14:37:15 2021

@author: iron

"""

#贪心算法例子

t = [100, 50, 20, 10, 5, 1]

def change(t, n):? # n指的总金额

m = [0 for _ in range(len(t))]? # 创建一个和t一样长但全是0的列表

# 这里假设t都是倒序排好的

for i, money in enumerate(t):

m[i] = n // money? # n整除money:376//100=3

n = n % money? # n对money取余:376%100=76

return m, n? # 如果到最后找不开，n就是找不开的钱

print(change(t, 376))? # ([3, 1, 1, 1, 1], 0)? 即：300+50+20+5+1

# 如果t = [100, 50, 20, 5]，则有1块钱找不开，

print(change(t, 451))? # ([4, 1, 0, 0], 1)

结果展示：

当找零376元时：需要3张100元，1张50元，一张20元，一张5元，一张1元。

当找零451元时：需要4张100元，1张50元，一张1元。

cs