对于贪心，大多数同学都会感觉，不就是常识嘛，这算啥算法，那么本周的题目就可以带大家初步领略一下贪心的巧妙，贪心算法往往妙的出其不意。
在贪心算法：加油站中给出每一个加油站的汽油和开到这个加油站的消耗，问汽车能不能开一圈。
这道题目咋眼一看，感觉是一道模拟题，模拟一下汽车从每一个节点出发看看能不能开一圈，时间复杂度是O(n^2)。
即使用模拟这种情况，也挺考察代码技巧的。
for循环适合模拟从头到尾的遍历，而while循环适合模拟环形遍历，对于本题的场景要善于使用while！
如果代码功力不到位，就模拟这种情况，可能写的也会很费劲。
本题的贪心解法，我给出两种解法。
对于解法一，其实我并不认为这是贪心，因为没有找出局部最优，而是直接从全局最优的角度上思考问题，但思路很巧妙，值得学习一下。
对于解法二，贪心的局部最优：当前累加rest[j]的和curSum一旦小于0，起始位置至少要是j+1，因为从j开始一定不行。全局最优：找到可以跑一圈的起始位置。
这里是可以从局部最优推出全局最优的，想不出反例，那就试试贪心。
解法二就体现出贪心的精髓，同时大家也会发现，虽然贪心是常识，有些常识并不容易，甚至很难！
在贪心算法：分发糖果中我们第一次接触了需要考虑两个维度的情况。
例如这道题，是先考虑左边呢，还是考虑右边呢？
先考虑哪一边都可以！ 就别两边一起考虑，那样就把自己陷进去了。
先贪心一边，局部最优：只要右边评分比左边大，右边的孩子就多一个糖果，全局最优：相邻的孩子中，评分高的右孩子获得比左边孩子更多的糖果
如图：
接着在贪心另一边，左孩子大于右孩子，左孩子的糖果就要比右孩子多。
此时candyVec[i]（第i个小孩的糖果数量，左孩子）就有两个选择了，一个是candyVec[i + 1] + 1（从右孩子这个加1得到的糖果数量），一个是candyVec[i]（之前比较右孩子大于左孩子得到的糖果数量）。
那么第二次贪心的局部最优：取candyVec[i + 1] + 1 和 candyVec[i] 最大的糖果数量，保证第i个小孩的糖果数量即大于左边的也大于右边的。全局最优：相邻的孩子中，评分高的孩子获得更多的糖果。
局部最优可以推出全局最优。
如图：
在贪心算法：柠檬水找零中我们模拟了买柠檬水找零的过程。
这道题目刚一看，可能会有点懵，这要怎么找零才能保证完整全部账单的找零呢？
但仔细一琢磨就会发现，可供我们做判断的空间非常少！
美元10只能给账单20找零，而美元5可以给账单10和账单20找零，美元5更万能！
局部最优：遇到账单20，优先消耗美元10，完成本次找零。全局最优：完成全部账单的找零。
局部最优可以推出全局最优。
所以把能遇到的情况分析一下，只要分析到具体情况了，一下子就豁然开朗了。
这道题目其实是一道简单题，但如果一开始就想从整体上寻找找零方案，就会把自己陷进去，各种情况一交叉，只会越想越复杂了。
在贪心算法：根据身高重建队列中，我们再一次遇到了需要考虑两个维度的情况。
之前我们已经做过一道类似的了就是贪心算法：分发糖果，但本题比分发糖果难不少！
贪心算法：根据身高重建队列中依然是要确定一边，然后在考虑另一边，两边一起考虑一定会蒙圈。
那么本题先确定k还是先确定h呢，也就是究竟先按h排序呢，还先按照k排序呢？
这里其实很考察大家的思考过程，如果按照k来从小到大排序，排完之后，会发现k的排列并不符合条件，身高也不符合条件，两个维度哪一个都没确定下来。
所以先从大到小按照h排个序，再来贪心k。
此时局部最优：优先按身高高的people的k来插入。插入操作过后的people满足队列属性。全局最优：最后都做完插入操作，整个队列满足题目队列属性。
局部最优可以推出全局最优，找不出反例，那么就来贪心。
「代码随想录」里已经讲了十一道贪心题目了，大家可以发现在每一道题目的讲解中，我都是把什么是局部最优，和什么是全局最优说清楚。
虽然有时候感觉贪心就是常识，但如果真正是常识性的题目，其实是模拟题，就不是贪心算法了！例如贪心算法：加油站中的贪心方法一，其实我就认为不是贪心算法，而是直接从全局最优的角度上来模拟，因为方法里没有体现局部最优的过程。
而且大家也会发现，贪心并没有想象中的那么简单，贪心往往妙的出其不意，触不及防！
