算法>贪心算法是一种在每一步选择中都采取当前状态下的最优决策，从而希望最终达到全局最优解的算法策略。以下从其定义、特点、一般步骤、应用场景及实例等方面进行讲解：
定义与基本思想
• 算法>贪心算法在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，它所做出的仅仅是在某种意义上的局部最优解。它通常以自顶向下的方式进行，每一步都选择当前的最优解，而不考虑之前或之后的步骤。
特点
• 无后效性：即某个状态以前的过程不会影响以后的状态，只与当前状态有关。这使得算法>贪心算法在每一步决策时，只需要考虑当前的状态信息，而不必考虑整个问题的历史信息。
• 局部最优选择：算法>贪心算法在每一步都选择当前看起来最优的决策，而不考虑整体的最优解。这种局部最优选择策略是算法>贪心算法的核心特点，也是其与动态规划等其他算法的主要区别之一。
一般解题步骤
- 问题分析：明确问题的目标和约束条件，确定问题是否适合用算法>贪心算法求解。一般来说，如果问题具有最优子结构性质和贪心选择性质，就可以考虑使用算法>贪心算法。
- 贪心策略设计：根据问题的特点，设计一个贪心策略。贪心策略的好坏直接影响算法的正确性和效率。例如，在活动安排问题中，贪心策略可以是按照活动结束时间的先后顺序来选择活动。
- 算法实现：根据贪心策略，实现具体的算法。在实现过程中，需要注意数据结构的选择和操作，以提高算法的效率。
- 正确性证明：虽然算法>贪心算法通常比较直观，但为了确保算法的正确性，需要对贪心策略进行证明。证明方法通常有归纳法、反证法等。
应用场景
一、区间调度问题
【核心思路】：通过排序区间端点，选择不重叠区间的最大数量或最优安排方式。
【解决思路】:
- 排序策略：按区间右端点从小到大排序。
- 贪心选择：依次选择最早结束且不与已选区间重叠的区间。
- 优化目标：最大化不重叠区间数量。
【经典题型】：
线段覆盖：选择最多不重叠线段，按右端点排序后贪心选择。
纪念品分组：将物品按价格排序后，双指针组合最大可能的配对，使组数最少。
智力大冲浪：按扣款数从大到小排序，尽量在截止时间前完成任务以减少罚款5。
种树问题：按区间右端点排序，从后向前填充以满足多个区间需求。
洛谷例题：P1803（线段覆盖）、P1094（纪念品分组）、P1230（智力大冲浪）、P1250（种树）。
参考P1094纪念品分组
二、排序选择问题
【核心思路】：通过排序后选择局部最优解，通常与性价比、时间顺序相关。
【解决思路】：
- 部分背包：按单位价值（价值/重量）降序排序，优先拿取高性价比物品。
- 排队接水：按接水时间升序排序，最小化总等待时间。
【 典型场景】：
◦ 部分背包问题：按单位价值排序，优先拿取性价比高的物品37。
◦ 排队接水：按接水时间升序排列，总等待时间最小35。
◦ 陶陶摘苹果：按摘取所需体力排序，优先摘取消耗小的苹果3。
• 洛谷例题：P2240（部分背包）、P1223（排队接水）、P1478（陶陶摘苹果）、P4995（跳跳！）。
参考P2240部分背包问题
三.构造最优解问题
【核心思路】：通过删除或调整元素构造最小/最大值，需处理边界条件。
【高频题目】：
◦ 删数问题：删除k个数字使剩余数最小，需从左到右删除第一个递减序列的前驱389。
◦ 铺设道路：通过相邻差值累加计算最小天数，递推处理连续区间9。
◦ 分组问题：将连续数值分组，使用栈维护最小长度的最大可能9。
• 洛谷例题：P1106（删数问题）、P5019（铺设道路）、P4447（AHOI2018分组）。
参考P1106删数问题
四、反悔贪心与堆优化
核心思路：通过**优先队列（堆）**动态维护当前最优选择，支持撤销操作。
• 典型应用：
◦ 合并果子：每次合并最小的两堆，用小根堆优化时间复杂度7。
◦ 推销员问题：结合最大疲劳值与距离的权衡，分情况选择最优策略10。
• 洛谷例题：P1090（合并果子）、P2672（推销员）。
参考P1090合并果子
五、特殊策略问题
核心思路：需结合题目特性设计贪心规则，如数学归纳或调整法。
• 常见题型：
◦ 小A的糖果：遍历调整相邻盒子的糖果数，确保总和不超过限制37。
◦ 跳跳！：在最大和最小值之间跳跃，最大化总能量3。
◦ 哈夫曼编码：合并频率最小的节点，构造最优前缀树25。
• 洛谷例题：P3817（小A的糖果）、P4995（跳跳！）、P2168（荷马史诗）。
