‘壹’ 什么是 贪心算法
贪心算法（又称贪婪算法）是指，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，他所做出的仅是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题他能产生整体最优解或者是整体最优解的近似解
‘贰’ 可用动态规划算法或贪心算法求解的关键特征是问题具有什么性质
实际工程中动态规划往往很难实现，但是求解能得到全局最优。
但是贪心算法虽然较易陷入局部最优，但是求解效率极高。
若是决策量前后之间影响不是很大，且较大规模问题贪心法较好。
‘叁’ 贪心算法的证明过程，是不是只有先证明了贪心选择性质之后，再以贪心选择为前提证明其最优子结构
对于一个具体问题，要确定它是否具有贪心选择性质，必须证明每一步所作的贪心选择最终导致问题的整体最优解。
证明的大致过程为：首先考察问题的一个整体最优解，并证明可修改这个最优解，使其以贪心选择开始。做了贪心选择后，原问题简化为规模更小的类似子问题。然后用数学归纳法证明通过每一步做贪心选择，最终可得到问题的整体最优解。其中，证明贪心选择后的问题简化为规模更小的类似子问题的关键在于利用该问题的最优子结构性质。
‘肆’ 贪心算法的特性
贪婪算法可解决的问题通常大部分都有如下的特性：
⑴随着算法的进行，将积累起其它两个集合：一个包含已经被考虑过并被选出的候选对象，另一个包含已经被考虑过但被丢弃的候选对象。
⑵有一个函数来检查一个候选对象的集合是否提供了问题的解答。该函数不考虑此时的解决方法是否最优。
⑶还有一个函数检查是否一个候选对象的集合是可行的，也即是否可能往该集合上添加更多的候选对象以获得一个解。和上一个函数一样，此时不考虑解决方法的最优性。
⑷选择函数可以指出哪一个剩余的候选对象最有希望构成问题的解。
⑸最后，目标函数给出解的值。
⑹为了解决问题，需要寻找一个构成解的候选对象集合，它可以优化目标函数，贪婪算法一步一步的进行。起初，算法选出的候选对象的集合为空。接下来的每一步中，根据选择函数，算法从剩余候选对象中选出最有希望构成解的对象。如果集合中加上该对象后不可行，那么该对象就被丢弃并不再考虑；否则就加到集合里。每一次都扩充集合，并检查该集合是否构成解。如果贪婪算法正确工作，那么找到的第一个解通常是最优的。
‘伍’ 贪心算法中，通常会让证明贪心选择性，请问，证明贪心选择性的实质是什么怎样说明一个问题具有贪心选择呢
一般都是要最省事的比如
设有n中不同面值的硬币，个硬币的面值春雨数组T[1：n]中，现在要用这些面值的硬币来找钱。可以使用的各种面值的硬币个数存于数组Coins[1:n]中。
对任意签署0<=m<=20001，设计一个用最少硬币找钱m的方法。
用贪心算法，先用最大面值的，直到超出之前再改用更小面值的，超出之前再用更更小面值的。。直到正好。这样最少
程序实例
#include<stdio.h>
void main()
{
int m;
int i;
printf("please input m:");
scanf("%d",&m);
int T[6] ={100,50,20,10,5,1};
int coins[6] = {0};
for(i = 0; i < 6; )
{
if(m < T[i])
{
i++;
continue;
}
while(m >= T[i])
{
m -= T[i];
coins[i]++;
}
i++;
}
for(i = 0; i < 6; i++)
if(coins==0)
printf("%-4d有 %-2d张\n",T[i],coins[i]);
printf("\n");
}
‘陆’ 计算机算法设计与分析 简述什么是贪心选择性质
贪心选择性质：所求问题的整体最优解可以通过一系列局部最优的选择来得到.
就是说,你需要证明当前问题可以通过选择最好的那个元素（比如01背包,总能够通过选择当前重量最小的物品来得到最优解）来解决问题
证明：（每一步所做的贪心选择最终导致问题的整体最优解）
//基本思路：考察一个问题的最优解,证明可修改该最优解,使得其从贪心选择开始,然后用数学归纳法证明每一步都可以通过贪心选择得到最优解
1,假定首选元素不是贪心选择所要的元素,证明将首元素替换成贪心选择所需元素,依然得到最优解；
2,数学归纳法证明每一步均可通过贪心选择得到最优解
‘柒’ 算法分析与设计什么是贪心选择性质
贪心选择性质：所求问题的整体最优解可以通过一系列局部最优的选择来得到.
就是说,你需要证明当前问题可以通过选择最好的那个元素（比如01背包,总能够通过选择当前重量最小的物品来得到最优解）来解决问题
证明：（每一步所做的贪心选择最终导致问题的整体最优解）
//基本思路：考察一个问题的最优解,证明可修改该最优解,使得其从贪心选择开始,然后用数学归纳法证明每一步都可以通过贪心选择得到最优解
1,假定首选元素不是贪心选择所要的元素,证明将首元素替换成贪心选择所需元素,依然得到最优解；
2,数学归纳法证明每一步均可通过贪心选择得到最优解
请采纳！
‘捌’ 贪心算法的本质
1. 贪心法（Greedy Algorithm）定义
求解最优化问题的算法通常需要经过一系列的步骤，在每个步骤都面临多种选择；
贪心法就是这样的算法：它在每个决策点作出在当时看来最佳的选择，即总是遵循某种规则，做出局部最优的选择，以推导出全局最优解（局部最优解->全局最优解）
2. 对贪心法的深入理解
（1）原理：一种启发式策略，在每个决策点作出在当时看来最佳的选择
（2）求解最优化问题的两个关键要素：贪心选择性质+最优子结构
①贪心选择性质：进行选择时，直接做出在当前问题中看来最优的选择，而不必考虑子问题的解；
②最优子结构：如果一个问题的最优解包含其子问题的最优解，则称此问题具有最优子结构性质
（3）解题关键：贪心策略的选择
贪心算法不是对所有问题都能得到整体最优解的，因此选择的贪心策略必须具备无后效性，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。
（4）一般步骤：
①建立数学模型来描述最优化问题；
②把求解的最优化问题转化为这样的形式：对其做出一次选择后，只剩下一个子问题需要求解；
③证明做出贪心选择后：
1°原问题总是存在全局最优解，即贪心选择始终安全；
2°剩余子问题的局部最优解与贪心选择组合，即可得到原问题的全局最优解。
并完成2°
3. 贪心法与动态规划
最优解问题大部分都可以拆分成一个个的子问题，把解空间的遍历视作对子问题树的遍历，则以某种形式对树整个的遍历一遍就可以求出最优解，大部分情况下这是不可行的。贪心算法和动态规划本质上是对子问题树的一种修剪，两种算法要求问题都具有的一个性质就是子问题最优性(组成最优解的每一个子问题的解，对于这个子问题本身肯定也是最优的)。动态规划方法代表了这一类问题的一般解法，我们自底向上构造子问题的解，对每一个子树的根，求出下面每一个叶子的值，并且以其中的最优值作为自身的值，其它的值舍弃。而贪心算法是动态规划方法的一个特例，可以证明每一个子树的根的值不取决于下面叶子的值，而只取决于当前问题的状况。换句话说，不需要知道一个节点所有子树的情况，就可以求出这个节点的值。由于贪心算法的这个特性，它对解空间树的遍历不需要自底向上，而只需要自根开始，选择最优的路，一直走到底就可以了。
‘玖’ 贪心算法，这个贪心到底是什么意思
贪心指目光短浅，只看到当前这一步的最优决策，而不考虑以后的决策。这样的算法只在特定的问题下是正确的。