本章定位
严格来说，贪心算法并不是一种具体的算法，而是一类解题策略。面对一个需要多步决策的问题时，贪心方法在每一步都从当前可行的候选项中选择局部上最有利的选项，然后继续处理剩余问题。
如果问题具有合适的结构，这些局部选择可以累积成全局最优解；但局部最优不自动等于全局最优。学习贪心算法的重点，不只是记住“每次选最大的”或“每次选最小的”，还要说明选择为什么安全，以及它在什么条件下会失败。
学习目标
完成本章后，你应该能够：
- 解释贪心选择性质和最优子结构；
- 从候选项、可行性约束和优化目标中提炼贪心策略；
- 使用交换论证或归纳方法说明贪心选择的正确性；
- 构造反例，判断某个看似合理的贪心策略为什么失败；
- 区分贪心、动态规划和穷举搜索的适用边界。
学习路线
- 贪心算法基础：理解基本框架、两个关键性质和常见应用类型。
- 经典问题：通过找零、活动选择、分数背包、Huffman 和图算法观察不同贪心规则。
- 正确性证明：学习如何判断策略是否可靠，并使用反例和交换论证完成证明。
- 贪心与动态规划：比较两类方法的建模方式与适用条件。
配套 Lab
完成 Lab 13-E-01：盛最多水的容器，把“移动短板”的贪心选择落实为可运行程序，并用边界测试检查面积与指针更新。
完成 Lab 13-E-02：最长回文串，把“优先使用成对字符、保留一个中心字符”的贪心选择落实为可运行程序，并用测试检查奇偶计数与大小写区分。
完成 Lab 13-E-03：跳跃游戏，把“维护最远可达位置”的贪心选择落实为可运行程序，并用障碍与边界测试检查可达性判断。
IDEA直觉 · 先做眼前最好的选择
贪心算法像是在每个路口都选择当前看起来最好的方向。真正困难的地方不是“如何选择”，而是证明这一步选择不会破坏最终的最优解。
本章小结
贪心算法的核心不是“每次都选最大的”，而是：在明确可行性约束和优化目标后，找到一个能够安全执行的局部选择，并证明它不会破坏全局最优性。
后续专题会分别讨论算法框架、经典问题、正确性证明，以及贪心和动态规划的边界。