📚 深入理解贪心算法：从活动选择到哈夫曼编码
英文标题 / English Title: Deep Dive into Greedy Algorithms: From Activity Selection to Huffman Coding
来源 / Source: 算法爱好者 & LeetCode Blog
📌 文章简介 / Introduction
贪心算法是面试中的高频考点，也是理解算法思维的重要一环。本文从经典的”活动选择问题”出发，深入讲解贪心算法的核心思想、正确性证明方法，以及霍夫曼编码等高级应用。
Greedy algorithms are a favorite topic in technical interviews. This article starts from the classic Activity Selection Problem, diving deep into the core ideas of greedy algorithms, methods for proving correctness, and advanced applications like Huffman coding.
👉 阅读原文: 深入理解贪心算法
🔍 内容要点 / Key Points
1. 贪心算法的本质
贪心算法不是一种具体的算法，而是一种算法思想——每一步都做当前最优的选择。它与”深搜”和”动态规划”的本质区别在于：不回头、不枚举。
Greedy is not a specific algorithm but an algorithmic paradigm — make the best choice at each step. Unlike DFS and DP, greedy never looks back or enumerates all possibilities.
2. 贪心算法的两个关键性质
- 贪心选择性质（Greedy Choice Property）：局部最优能导出全局最优
- 最优子结构（Optimal Substructure）：整体最优包含子问题最优
这两个性质缺一不可，是判断一个问题是否适合用贪心的标准。
3. 正确性证明方法
常用的证明方法有：
- 归纳法：证明第 k 步的选择不会比最优解差
- 交换论证：任何最优解都可以在不破坏最优性的前提下替换为贪心选择
- 反证法：假设贪心不是最优，导出矛盾
4. 经典应用场景
| 问题 | 贪心策略 |
|---|---|
| 活动选择 | 选最早结束的活动 |
| 霍夫曼编码 | 合并频率最小的两节点 |
| 最小生成树 | 选最小边 |
| 零钱找零 | 优先用大面额（Dijkstra 变体） |
💡 学习建议 / Learning Tips
- 先判断再用：不要急于使用贪心，先证明两个性质是否满足。判断题比实现题更重要。
- 对比学习：把贪心和动态规划对比着学，理解”为什么不回溯/枚举”是关键。
- 死记活学：记住常见贪心策略（如”最早结束”、”最小堆合并”），但也要理解背后的原理。
- 多做证明题：面试中经常会让证明贪心的正确性，这是比写代码更重要的能力。
- 进阶路径：活动选择 → 区间覆盖 → 哈夫曼编码 → 分数背包问题
| *本文由 AI 自动生成 | Generated by AI* |