一、Greedy Algorithm

1.1 基本觀念介紹

Greedy Algorithm (貪婪演算法) 是指在對問題求解時，總是做出在當前看起來最好的選擇，所以此種演算法在解問題時，不是所有題型都能得到 global optimization (全域最佳解)，但對於相當多問題能產生整體最佳解或者是近似整體最佳解。

總之貪婪演算法的精神就是 : 短視近利、今朝有酒今朝醉，每一步面臨選擇時，都做眼前最有利的選擇，不考慮對將來是否有不良的影響，與 dynamic programming 不同，不會保留計算結果。

假設現在有個金額 M，有 1、5、10、20、50 元這些幣值種類，要盡可能用最少的錢幣湊到金額 M。根據貪婪演算法，能用 50 的就盡量用 50 的，否則盡量用 20 的...以此類推；在這種策略下，M 若是 15 則等於 10 * 1 + 5 * 1，共使用了 2 種錢幣。

	let normalCoins = [1, 5, 10, 20, 50];

	let moneyForGreedy = function (coins, amount) {
	let coinsLeng = coins.length;

	let number = [];

	for (let i = coinsLeng - 1; i >= 0; i--) {
	number[i] = Math.floor(amount / coins[i]);

	amount = amount - number[i] * coins[i];
	}

	return number.reduce((a, b) => a + b);
	};

	console.log(moneyForGreedy(normalCoins, 15)); // 2

但是如果我們換一組錢幣的種類如 1、5、11，貪婪演算法可能就不是最佳解。

或是我們有一個最多能背重量為 W 的背包，現在有 N 件物品，每件物品只能用一次且價值不相等，求解將哪些物品裝入背包裡物品價值總和最大，這時候因為要同時考慮重量和價值，也沒辦法用貪婪就取得最佳解。

這在下一篇 Dynamic Programming (動態規劃) 會講解到。