贪心算法(Greedy)是什么
贪心算法是一种在每一步选择中都采取在当前状态下最好或最优(即最有利)的选择，从而希望导致结果是全局最好或最优的算法。
贪心算法与动态规划的不同在于它对每个子问题的解决方案都做出选择，不能回退。动态规划则会保存以前的运算结果，并根据以前的结果对当前进行选择，有回退功能。
贪心法可以解决一些最优化问题，比如：求图中的最小生成树、求哈夫曼编码等。然而对于工程和生活中的问题，贪心法一般不能得到我们所要求的的答案。
一旦一个问题可以通过贪心法来解决，那么贪心法一般是解决这个问题的最好办法。由于贪心法的高效性以及其所求得的答案比较接近最优结果，贪心法也可以用作辅助算法或者直接解决一些要求结果不特别精确的问题。
实战题目
Coin Change 特别版本:
当硬币可选集合固定：Coins = [20, 10, 5, 1]
求最少可以几个硬币拼出总数。比如 total = 36
这时候就可以用一种贪心法，比如先匹配20这个硬币，36最多能用去1个20，还剩16，再用次大的硬币(10)去匹配，还剩6，这样依次去匹配。这种情况下，就是贪心法的例子。贪心法的话，就每次用最优的去匹配，既然你能用20，为何用10或5或1呢。
但是很多情况下，贪心法是不成立的，这里成立的原因是因为硬币有整除的关系，看下一个例子
我们明显看出，两个9相加为18即可，但是如果你用最大的10去匹配，如下图
这时候得到的结果为[10, 1, 1, 1, 1, 1, 1, 1, 1]，明显不是最优结果。
所以如果我们想用贪心法解决问题，第一问题要比较特殊，第二你要能够证明这个地方用最简单粗暴的贪心法是能够得到最优解的。
什么情况下用的贪心算法
简单地说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解。这种子问题最优解称为最优子结构。其次还是重复下贪心和动规的差异~ 贪心算法与动态规划的不同在于它对每个子问题的解决方案都做出选择，不能回退。动态规划则会保存以前的运算结果，并根据以前的结果对当前进行选择，有回退功能。
