参考链接：https://zhuanlan.zhihu.com/p/76164082?ivk_sa=1024320u，非常棒！！！
图片前引：
假设一个问题比较复杂，暂时找不到全局最优解，那么我们可以考虑把原问题拆成几个小问题（分而治之思想），分别求每个小问题的最优解，再把这些“局部最优解”叠起来，就“当作”整个问题的最优解了。
贪心算法的三步走！
第一步：明确到底什么是最优解？明确下来之后用小本本记下来！
第二步：明确什么是子问题的最优解？再用小本本记下来！
第三步：分别求出子问题的最优解再堆叠出全局最优解？这步不用记！
就是这么简单！
示例：0-1背包问题
有一个背包，最多能承载150斤的重量，现在有7个物品，重量分别为[35, 30, 60, 50, 40, 10, 25]，它们的价值分别为[10, 40, 30, 50, 35, 40, 30]，，阿广，如果是你的话，应该如何选择才能使得我们的背包背走最多价值的物品？
按照刚才说的步骤实操一下吧！
第一步，明确到底什么是最优解？
第二步，明确什么是子问题的最优解？再用小本本记下来！
第三步，分别求出子问题的最优解再堆叠出全局最优解？
按照制订的规则（价值）进行计算，顺序是：4 2 6 5 。
最终的总重量是：130。
最终的总价值是：165。
按照制订的规则（重量）进行计算，顺序是：6 7 2 1 5 。
最终的总重量是：140。
最终的总价值是：155。
可以看到，重量优先是没有价值优先的策略更好。
按照制订的规则（单位密度）进行计算，顺序是：6 2 7 4 1。
最终的总重量是：150。
最终的总价值是：170。
可以看到，单位密度这个策略比之前的价值策略和重量策略都要好。
贪心算法三个核心问题！！！
是的，阿广，你说的基本意思正确！
下面我总结一下使用贪心算法的前提：
1、原问题复杂度过高；
2、求全局最优解的数学模型难以建立；
3、求全局最优解的计算量过大；
4、没有太大必要一定要求出全局最优解，“比较优”就可以。
那么几乎99.99999999999%就要使用贪心算法的思想来解决问题。
按串行任务分：时间串行的任务，按子任务来分解，即每一步都是在前一步的基础上再选择当前的最优解。
按规模递减分：规模较大的复杂问题，可以借助递归思想（见第2课），分解成一个规模小一点点的问题，循环解决，当最后一步的求解完成后就得到了所谓的“全局最优解”。
按并行任务分：这种问题的任务不分先后，可能是并行的，可以分别求解后，再按一定的规则（比如某种配比公式）将其组合后得到最终解。
成本
耗费多少资源，花掉多少编程时间。
速度
计算量是否过大，计算速度能否满足要求。
价值
得到了最优解与次优解是否真的有那么大的差别，还是说差别可以忽略。
