# 算法步骤
- 可能适用的问题：针对一组数据，给定限制值和期望值，希望从中选出一组数据，在满足限制的条件下，期望值最大
- 尝试能否解决问题：每次做出当前选择时，在对限制值同等贡献量下，对期望值贡献最大的数据（或者贡献相同期望值，限制值贡献最少的）
- 通过例子或者严谨的数学推理，证明由此产生的解是最优解
贪心算法不一定能得到最优解：比如用贪心算法，求解图中两点的最短路径，其主要原因在于，前面的选择，会影响后面的选择
# 典型问题
- 钱币找零：拥有不同数量的不同面额纸币，给定一个金额，如何使用尽可能少的纸币支付该金额
- 区间覆盖：给定一组区间的起始点和结束点，从中选出尽可能多的不相交区间
- 霍夫曼（Huffman）编码：统计文本中出现字符的种类和频率，频率越高的，使用越短的编码
WARNING
找零问题不一定可以使用贪婪算法：考虑币值为 100，99 和 1，每种各一百张，找 396 元。
动态规划可求出四张 99 元，但贪心算法解出需三张一百和 96 张一元