一句话总结贪心：每一步都选当前看起来最好的，结果往往就是全局最优的。
但别误会：它不是“见钱眼开”，而是“精准拿捏”。
在力扣（LeetCode）的世界里，有一种算法风格，既不暴力、也不回溯，更不像动态规划那样烧脑——它叫 贪心算法（Greedy Algorithm） 。
听起来是不是有点“自私”？其实不然。贪心不是“占便宜”，而是在局部最优选择中，恰好走向了全局最优。今天，我们就用 18 道经典贪心题，带你从“懵圈”到“真香”！
🧠 什么是贪心？先来个生活比喻
想象你去自助餐厅吃饭：
- 暴力解法：把所有菜尝一遍，选出最满意的组合（累死）。
- 动态规划：提前画一张“菜品搭配收益表”，再决定吃啥（太卷）。
- 贪心策略：看到眼前最香的那道菜，先夹！反正胃就这么大，先吃最值得的。
这就是贪心：当下最优，就是未来最优（前提是问题具备“贪心选择性质”）。
🎯 贪心的核心思想
- 局部最优 → 全局最优（关键！不是所有问题都成立）
- 无后效性：一旦做出选择，就不会后悔
- 通常配合排序：让“好东西”排前面，方便我们“贪”
下面，我们按 场景分类 + 代码精讲 + 幽默解读，带你刷透贪心！
🍪 场景一：分发与匹配 —— “谁最饿，先喂谁？”
✅ 455. 分发饼干
孩子有胃口
g，饼干有尺寸s，一块饼干只能给一个孩子，目标是满足最多孩子。
贪心策略：
- 把最贪的孩子和最小的饼干配对？NO！
- 正确姿势：小胃口配小饼干，大胃口留大饼。
→ 排序后，从大到小尝试匹配。
var findContentChildren = function(g, s) {
g.sort((a, b) => a - b);
s.sort((a, b) => a - b);
let res = 0, index = s.length - 1;
for (let i = g.length - 1; i >= 0; i--) {
if (index >= 0 && s[index] >= g[i]) {
res++; index--;
}
}
return res;
};
💡 幽默解读：这不是“偏心”，这是“资源最大化利用”。毕竟，给大胃王一块小饼干，等于浪费！
✅ 2410. 运动员和训练师的最大匹配数
能力值 ≤ 训练能力值才能匹配，求最大匹配数。
思路：和分饼干几乎一样！排序后，强运动员优先匹配强训练师，避免“高射炮打蚊子”。
players.sort((a, b) => a - b);
trainers.sort((a, b) => a - b);
// 然后从后往前匹配
🤣 笑点：如果让985学霸去教小学生加减法，虽然能教，但不如让他去带竞赛班——这就是贪心的“人才调度哲学”！
💰 场景二：交易与利润 —— “低买高卖，落袋为安”
✅ 122. 买卖股票的最佳时机 II
可以无限次买卖，求最大利润。
贪心妙招：只要明天比今天贵，今天就买，明天就卖！
var maxProfit = function(prices) {
let res = 0;
for (let i = 1; i < prices.length; i++) {
res += Math.max(prices[i] - prices[i-1], 0); // 赚钱就加，亏钱就0
}
return res;
};
📈 现实映射：这不就是“每天做T”？可惜现实中手续费会哭晕在厕所……
🎈 场景三：区间问题 —— “重叠？合并！气球？一箭穿心！”
✅ 452. 用最少数量的箭引爆气球
气球是区间
[x_start, x_end]，一支箭可垂直射穿所有覆盖该 x 的气球。
贪心策略：
- 按左端点排序
- 尽量让箭射在当前气球的最右边界
- 如果下一个气球的左端 > 当前右边界 → 需要新箭
points.sort((a, b) => a[0] - b[0]);
let result = 1;
for (let i = 1; i < points.length; i++) {
if (points[i][0] > points[i-1][1]) {
result++;
} else {
points[i][1] = Math.min(points[i-1][1], points[i][1]); // 缩小右边界
}
}
🏹 画面感：就像你在玩“愤怒的小鸟”，一箭穿俩才是高手！
✅ 435. 无重叠区间
移除最少区间，使剩下的不重叠。
反向思考：保留最多不重叠区间 → 就是经典的“活动选择问题”。
策略：按右端点升序，越早结束的活动越优先选！
intervals.sort((a, b) => a[1] - b[1]); // 注意！按 end 排序
let end = intervals[0][1], count = 0;
for (let i = 1; i < intervals.length; i++) {
if (intervals[i][0] < end) count++; // 重叠，删掉
else end = intervals[i][1]; // 不重叠，更新 end
}
return count;
⏰ 职场启示：开会时间短的先开，效率最高！拖沓的会议？直接砍掉！
👥 场景四：排队与重建 —— “身高高的先站，矮的插队”
✅ 406. 根据身高重建队列
people[i] = [h_i, k_i]表示前面有k_i个 ≥ 自己身高的人。
神操作：
- 身高降序（高的先排）
- k 升序（同样高，k 小的先排）
- 然后按
k值插入队列
people.sort((a, b) => b[0] !== a[0] ? b[0] - a[0] : a[1] - b[1]);
let queue = [];
for (let p of people) {
queue.splice(p[1], 0, p); // 在 k 位置插入
}
🧍♂️🧍♀️ 场景还原：想象军训排队——先让1米9的站好，1米7的再根据“前面有几个比我高”来插队，完美！
🍋 场景五：找零与模拟 —— “收钱容易，找零难！”
✅ 860. 柠檬水找零
顾客付 5/10/20，一杯5元，能否给所有人找零？
贪心规则：
- 收5：开心存着
- 收10：必须找5
- 收20：优先找 10+5，其次找 5+5+5（因为10只能用于20找零，5更万能）
if (bill === 20) {
if (tenCount > 0 && fiveCount > 0) { ten--; five--; }
else if (fiveCount >= 3) { five -= 3; }
else return false;
}
💵 老板心声：“我宁愿收三个5块，也不想收一张20！”——因为20最难找零啊！
🔢 场景六：数字与字符串 —— “不够？那就变9！”
✅ 738. 单调递增的数字
找 ≤ n 的最大单调递增数字（如 332 → 299）
贪心技巧：
- 从右往左扫描，找到第一个
n[i-1] > n[i] n[i-1]--，后面全变9
for (let i = n.length - 1; i > 0; i--) {
if (n[i-1] > n[i]) {
n[i-1]--;
flag = i; // 标记从哪开始变9
}
}
for (let i = flag; i < n.length; i++) n[i] = '9';
🎯 精髓：宁可前面小一点，也要后面全是9！比如 332 → 299 比 329 大多了。
🌳 场景七：树与监控 —— “摄像头放哪最省？”
✅ 968. 监控二叉树
每个摄像头可监控父、自己、子，求最少摄像头数。
状态定义（后序遍历） ：
0：该节点未被覆盖1：该节点有摄像头2：该节点已被覆盖
贪心策略：尽量在叶子节点的父节点放摄像头（覆盖三层）！
if (left === 0 || right === 0) { res++; return 1; } // 孩子没覆盖，我得装
if (left === 1 || right === 1) return 2; // 孩子有摄像头，我被覆盖
return 0; // 孩子都被覆盖，我不管
📹 家庭智慧：别在自己房间装监控，装在客厅，全家都能看！
🏁 其他经典贪心题速览
| 题号 | 题目 | 贪心点 |
|---|---|---|
| 53 | 最大子数组和 | 当前和 < 0 就扔掉，重新开始 |
| 55 | 跳跃游戏 | 维护最远可达位置 |
| 45 | 跳跃游戏 II | 每跳一次，更新下一次最远距离 |
| 134 | 加油站 | 总油 ≥ 总耗才可能；从“不可能起点”之后开始 |
| 135 | 分发糖果 | 两次遍历：左→右，右→左，取 max |
| 376 | 摆动序列 | 只记录“峰”和“谷”的数量 |
| 763 | 划分字母区间 | 记录每个字母最后出现位置，扩展右边界 |
✅ 贪心算法使用 checklist
- 问题是否具有最优子结构？
- 局部最优是否能导致全局最优？
- 是否可通过排序/优先队列/双指针等简化选择？
- 有没有反例？（比如某些背包问题就不能贪心）
❗记住：贪心很高效，但不万能。用之前，先证明！
🌈 结语：贪心，是一种生活智慧
贪心算法教会我们的，不仅是解题技巧，更是一种 “抓大放小、聚焦关键” 的思维方式。
- 面对选择时，先做最有价值的事
- 资源有限时，优先满足核心需求
- 遇到冲突时，用最小代价换取最大收益
所以，下次有人说你“贪心”，你可以微微一笑：“不，我只是在用贪心算法优化人生。”
