核心内容摘要
Spice语法解析与实战调用指南
贪心算法理论基础（0基础入门）
贪心算法的核心定义贪心算法的本质是通过每一步选择局部最优解，最终堆叠出全局最优解。
它不追求全局最优的推导过程，而是基于当前阶段的最优选择，逐步逼近最终目标。
举个通俗例子：从一堆不同面额的钞票中取10张，要得到最大金额，每次选当前剩下的最大面额钞票（局部最优），最终总和就是最大金额（全局最优）。
但需注意，贪心并非万能——若用“选最大盒子装满背包”的思路，可能无法达到最优解（此时需动态规划）。
贪心算法的适用场景贪心没有固定套路，核心判断标准：手动模拟局部最优策略，能推出全局最优，且找不出反例；问题可拆分为独立的子问题，每个子问题的最优解能累积为全局最优；常见适用场景：区间问题（合并、覆盖、去重）、资源分配、序列构造等。
贪心算法的解题步骤（简化版）无需拘泥于复杂理论，核心三步：拆分问题：将原问题拆解为多个独立的子问题；确定局部最优策略：明确每个子问题的最优选择标准（如“选最大”“选最早结束”）；累积最优解：将所有子问题的局部最优解合并，得到全局最优。
贪心与其他算法的区别算法类型核心特点适用场景贪心算法局部最优推导全局最优，无回溯子问题独立、局部最优可累积动态规划存储子问题结果，考虑重叠子问题子问题重叠、需回溯验证暴力算法遍历所有可能解小规模问题，无优化空间
LeetCode Top100贪心算法核心考题（分类解析）（
基础入门题（常识性贪心，难度★★☆）
分发饼干（LeetCode
题目描述：每个孩子有胃口值g[i]，每块饼干有尺寸s[j]，s[j]≥g[i]时可满足孩子。
求最多满足的孩子数。
局部最优：大饼干优先满足大胃口孩子（避免小饼干浪费）；解题步骤：对g和s排序（从小到大或从大到小）；从后向前遍历胃口数组，用大饼干匹配大胃口；代码片段：intfindContentChildren(vectorintg,vectorints){sort(g.begin(),g.end());sort(s.begin(),s.end());intindex=s.size()-1,res=0;for(inti=g.size()-1;i=0;--i){if(index=0s[index]=g[i]){res++;index--;}}returnres;}
K次取反后最大化的数组和（LeetCode
题目描述：对数组元素执行K次取反操作，求最终最大数组和。
局部最优：先将绝对值大的负数取反（转化为正数，提升总和）；若K剩余为奇数，取反最小的正数（损失最小）；代码片段：staticboolcmp(inta,intb){returnabs(a)abs(b);}intlargestSumAfterKNegations(vectorintA,intK){sort(A.begin(),A.end(),cmp);for(inti=0;iA.size()K0;++i){if(A[i]
{A[i]*=-1;K--;}}if(K%2==
A.back()*=-1;returnaccumulate(A.begin(),A.end(),
;}
柠檬水找零（LeetCode
题目描述：柠檬水售价5美元，顾客支付5/10/20美元，需正确找零（初始无零钱）。
局部最优：收到20美元时，优先用10+5找零（5美元更万能，可用于10和20美元找零）；代码片段：boollemonadeChange(vectorintbills){intfive=0,ten=0;for(intbill:bills){if(bill==
five++;elseif(bill==
{five--;ten++;}else{// 20美元if(ten0five
{ten--;five--;}elsefive-=3;}if(five
returnfalse;}returntrue;}（
序列问题（贪心策略+细节处理，难度★★★）
摆动序列（LeetCode
题目描述：连续数字的差严格正负交替为摆动序列，求最长摆动子序列长度（可删除元素）。
局部最优：删除单调坡度上的中间节点（保留两端峰值，增加摆动次数）；关键细节：处理平坡（如[1,2,2,2,1]）和首尾节点；代码片段：