Greedy_approach贪心算法

贪心算法（Greedy Algorithm）是一种在每一步选择中都采取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最好或最优的算法策略。这种算法并不保证总能找到最优解，但在很多情况下，它可以快速找到一个非常好的解。尽管贪心算法不总是能得到最优解，但它通常能在较短的时间内找到一个近似最优解。

经典应用示例：

1. 找零钱问题（Change Making Problem）：给定不同面额的硬币和需要找零的总金额，贪心算法会尽可能多地使用面值最大的硬币，直到找零完成。例如，给定25分、10分、5分和1分的硬币，需要找零41分，算法会优先使用25分硬币。

2. 装载问题（Loading Problem）：有一堆货物和一个载重量有限的船只，需要将货物装载到船上。贪心算法会根据货物的重量进行排序，然后尽可能多地装载最重的货物，直到船只无法再承载更多的货物。

3. 分数背包问题（Fractional Knapsack Problem）：类似于经典的背包问题，但每种物品可以分割成更小的份。贪心算法会根据物品单位重量的价值进行排序，然后尽可能多地选择价值最高的物品。

4. 哈夫曼编码（Huffman Coding）：在数据压缩领域，贪心算法用于构建最优的前缀编码。通过构建哈夫曼树，每次选择两个出现频率最低的节点合并，直到构建出完整的树，从而实现有效的数据压缩。

5. 图的最小生成树问题（Minimum Spanning Tree）：如 Prim 算法和 Kruskal 算法，它们通过贪心策略选择连接图中未连接节点的最小边来构建最小生成树。

6. 区间调度问题（Interval Scheduling Problem）：给定一系列活动，每个活动都有一个开始时间和结束时间，目标是选择最大数量的互不重叠的活动。贪心算法会按照活动的结束时间进行排序，然后选择结束时间最早的活动，以此类推。

7. Dijkstra 算法：用于找到图中单个源点到其他所有点的最短路径。算法在每一步都选择未处理的具有最小距离估计的顶点，然后更新其相邻顶点的距离估计。