1. 贪心算法到底是什么——先弄清楚找零问题的本质
很多朋友第一次听“贪心算法”这四个字，第一反应是“这又是哪个竞赛选手发明的高深玩意儿”。其实你把名字拆开就明白了：贪心，就是每一步都贪心地选当前最好的那个选项，不考虑后面会不会后悔。放在金额找零问题里，意思就是：要凑出某个金额时，每次先拿面值最大的硬币，能拿几张拿几张，然后换次大的面值继续拿，直到金额归零。
这里关键来了，为什么说“if 解题”？因为贪心算法的每一次抉择，本质上就是一个“条件判断”：当前剩余金额够不够我拿这张大面值？够就拿下，不够就跳到下一档。你不用实现什么复杂的搜索、回溯，也不用维护一张二维表，只要根据金额大小一层一层判断就行。这恰恰是新手最容易接受的理解方式。
有人可能会问：这么简单的策略，也能算一种“算法”？是的，它不但算，而且是算法竞赛和工程实践中非常基础的一种思想。找零、区间调度、哈夫曼编码、最小生成树，背后都有它的影子。而在教学场景里，“金额找零”是公认最好的贪心入门案例，因为需求直观、不需要数学前置知识，代码量又少，一节课就能让学生体会到“策略设计”的乐趣。
我需要提前说明一点：贪心算法不是万能的。它对问题的性质有要求，有些找零场景它给出的是最优解，有些场景它给出的只是“可行解但未必最优”。这个坑我会在第4章专门讲，因为这是新手最容易误解的地方。现在你先记住一句话：贪心的本质是“局部最优推导全局最优”，这个推导成立是有条件的。
这节内容适合谁？如果你正在学习算法但被动态规划劝退过，如果你准备带学生入门编程但找不到合适的教学案例，或者你只是好奇“if 还能这么玩”，这篇文章都能给你一个完整、可复制的方案。我会把教学台词、代码、习题、坑点全部摆出来，你拿来就能用。
2. 教案设计思路——为什么找零问题适合用“if 判断”做教学切入点
2.1 教学目标的拆解：不是教语法，是教思维
我在设计这节教案时，首要目标不是让学生背下来“贪心算法”的定义，而是让他们通过一次真实的编程练习，体会到“策略选择”是如何转化为“代码逻辑”的。如果一上来就抛概念、贴伪代码，学生很容易陷入“听懂了但不会写”的困境。
所以我把目标拆成了三个层次：
- 第一层：能用 if 语句描述“当前金额是否足够使用某面额”的判断逻辑。
- 第二层：能手动模拟贪心选择的每一步，理解“从大到小逐个尝试”的合理性。
- 第三层：能识别贪心算法的适用边界，知道它在某些场景下会失效。
这样的目标设计有一个好处：即使学生基础薄弱，也能在第一个层次获得成就感；而基础好的学生，可以在第三层做延伸思考，避免“一节课下来啥也没学到”的感觉。我建议你在实际教学中，把这三点目标直接写在黑板或课件首页，让学生带着目标去听课，效果会好很多。
2.2 为什么用“if”而不是一上来就写 while 循环
我见过很多教材，讲找零问题时直接上 while 循环，配合取整和取余运算，代码确实简洁，但对新手并不友好。原因在于：循环体里的“反复执行”逻辑会掩盖掉贪心策略本身。学生看代码时满脑子都是“这个循环什么时候停”，反而忽略了“每次循环在做什么决策”。
用 if 判断的好处是透明的。你把每一种面额单独写一个判断块，代码虽然啰嗦，但每一行都对应着一句人话：“如果剩下的钱还够付一张100，就给一张100。”这种一一映射的关系，对学生来说是极大的认知减负。等他们把 if 版本跑通了、理解透了，再去封装成 while 循环，那就是水到渠成的事，甚至你自己不讲，他们也能猜出来。
2.3 教学节奏安排：一节课45分钟的全程拆解
我在实际教学中，把这一节课分成四个阶段，每个阶段都有明确的时间分配和产出物：
情境导入（5分钟）：抛出“假设你是收银员，收到一张100元，需要找零83元，手头有50、20、10、5、1元面额，最少给几张？”这个问题。先让学生凭直觉回答，再追问“你为什么先拿50而不是先拿1元？”引导他们说出“先拿大的”这个朴素策略。
手动模拟（10分钟）：在黑板上或白板上手动走一遍83元的找零过程。50元拿1张，剩余33元；20元拿1张，剩余13元；10元拿1张，剩余3元；1元拿3张，结束。每一步都在旁边标注“当前剩余金额”和“使用了哪个 if 判断”，让学生看到完整的推导链路。
代码实现（20分钟）：让学生跟着敲代码。这一步我会要求他们先写 if 版本，运行通过后，再引导他们重构为循环版本。这两个版本我都会在这篇文章里给出完整代码和解释。
总结与挑战（10分钟）：抛出两个思考题。第一题：把面额换成 [1, 5, 10, 20, 50, 100] 之外的其他组合，贪心还成立吗？第二题：如果新增一张 7 元面额，要找零 14 元，贪心会给出什么答案？这题留到下节课讲动态规划时用。
这个节奏我测试过多次，学生对前三个阶段的反馈都很好，只有最后一个思考题会让不少人卡壳。但卡壳是好事，它制造了认知冲突，为后面的动态规划学习埋下了伏笔。
3. 核心代码实现——先写 if 版本，再讲循环重构
3.1 最简单的 if 版代码：一行判断对应一个动作
下面这段代码是我上课用的第一版，目的是让学生把“算法策略”和“代码结构”一一对应起来。这里我用 Python 写，因为语法最接近自然语言，适合新人上手。
# 金额找零问题——if 版本（教学用） amount = 83 # 要找回的金额 coins = [100, 50, 20, 10, 5, 1] # 从大到小排列的面额列表 result = {} # 用一个字典记录每种面额使用了多少张 # 注意：这里故意不写循环，全部用 if 逐层判断 if amount >= 100: result[100] = amount // 100 amount = amount % 100 if amount >= 50: result[50] = amount // 50 amount = amount % 50 if amount >= 20: result[20] = amount // 20 amount = amount % 20 if amount >= 10: result[10] = amount // 10 amount = amount % 10 if amount >= 5: result[5] = amount // 5 amount = amount % 5 if amount >= 1: result[1] = amount // 1 amount = amount % 1 print("找零方案：", result)运行结果：
找零方案： {50: 1, 20: 1, 10: 1, 1: 3}注意这段代码里我用了//整除和%取余，这两个运算符是找零问题的灵魂。amount // 50的意思是“83 里面最多有几个 50”，结果是 1；amount % 50的意思是“拿走这些 50 之后还剩多少”，结果是 33。每一次 if 判断，其实都在回答一个问题：“当前这档面额，我能用几张？”能用几，就取几，剩下零头留给下一档处理。
为什么要强调 if 而不是 while？因为 if 是一次性的判断，判断完就往下走，不回头。这恰好模拟了贪心算法的“单次决策”特性。学生如果一上来就用 while，很容易在循环条件上纠结，反倒忽略了“每次循环其实就是一句 if”的本质。
3.2 重构为循环版本：让学生看到重复代码的“压缩”过程
当学生确认 if 版本的逻辑没有问题后，我会引导他们观察：这六个 if 块，除了面额数字不同，结构完全一样。这种“结构重复”是重构的绝佳信号，也是理解循环抽象的好机会。
# 金额找零问题——循环版本 amount = 83 coins = [100, 50, 20, 10, 5, 1] result = {} for coin in coins: if amount >= coin: result[coin] = amount // coin amount %= coin print("找零方案：", result)这段代码一行循环，就把上面六个 if 块全部包揽了。引导学生一行行对比，他们会发现：循环版本的每一次迭代，其实就是在执行原来那个“if amount >= coin”的判断。coin这个变量依次取列表里的每个面额，代码的本质没有变，只是把重复的“手工展开”变成了“自动遍历”。
这一步教学的核心，不是让学生记住循环怎么写，而是帮助他们建立“对于重复结构，用循环去压缩”的直觉。这个直觉对后续学习数组遍历、函数封装乃至递归都很有价值。我通常在课堂上让学生自己动手把 if 版本改成循环版本，改完再对比运行结果是否一致，这种“重构验证”体验会让他们的理解更扎实。
3.3 代码讲解的“口播台词”参考：手把手教你怎么说
很多新老师在课堂上讲代码时，容易陷入逐行翻译的陷阱，比如“这一行是定义变量，那一行是打印输出”。这种讲法效果很差，因为学生记住的是语法碎片，而不是逻辑脉络。我建议用“策略式口播”的方式来讲，也就是每一行代码都和学生确认“这一步在落实什么策略”。
以循环版本为例，我的讲法是：
“同学们看这个 for 循环。for 每拿到一个面额，就进入循环体，循环体第一句问：现在剩下的钱够不够这张面额？注意，这个‘够不够’用的是 if 判断。如果够，我就算一算能拿几张，然后把对应的张数记到 result 里，同时把剩余金额更新为拿完之后剩下的零头。如果不够，就直接跳过，去试下一个更小的面额。大家想一下，这样一轮一轮下来，金额是不是一定在减小？减到零的时候，循环就处理完了，方案也就出来了。”
这段口播的重点是：让学生把“amount >= coin”理解成“当前钱还够不够做这个选择”，而不是“一个大于等于的比较表达式”。语言的力量在教学中比很多人想象的要大，换一种说法，学生的理解路径就会完全不一样。
4. 贪心算法的适用边界——什么时候“贪心”会失灵
4.1 一个反例：加入 7 元面额后的找零测试
贪心算法有一个天然的软肋：它只做局部最优决策，从不回头。这意味着它依赖一个前提——每一步的“大额优先”策略，必须保证不会把后续步骤推入死胡同。遗憾的是，这个前提在有些货币体系下并不成立。
我上课时最常用的反例是：假设一个国家发行了 1 元、5 元、7 元、10 元四种面额的硬币，现在要找零 14 元。按贪心思路，优先选 10 元，剩余 4 元，然后选 1 元 × 4，总张数是 5 张。但如果换成 7 元 × 2，只需要 2 张。贪心方案 5 张，最优方案 2 张，差距非常明显。
还有另一个经典反例：面额 [1, 3, 4]，找零 6。贪心会先拿 4，剩余 2，然后拿两张 1，一共 3 张。但实际上用 3 元 + 3 元，只需 2 张。这个例子数值更小，口算就能算出来，特别适合课堂板书演示。
4.2 如何判断一个面额体系是否适用贪心：直觉与规律
看到这里你可能会问：那到底什么样的面额体系，贪心算法才能给出最优解？严格来讲，这个问题有数学上的充分条件判断标准，但新手阶段不需要掌握那么深的形式化方法。课堂上我会教学生一个直观判断法：观察大面额是不是小面额的整数倍关系。
比如人民币体系：50 是 20 的 2.5 倍，20 是 10 的 2 倍，10 是 5 的 2 倍，5 是 1 的 5 倍。整套体系虽然不完全成倍数，但整体看，任意大面额能覆盖若干个小面额的组合空间。这种情况下，贪心策略通常不会出错。而像 1、5、7、10 这种，7 和 10 之间没有整除关系，也不存在“7 能被若干个更小面额完全代替”的性质，贪心就容易翻车。
如果学生刨根问底，想知道为什么整数倍关系能保证贪心正确性，我给出的解释是：当小面额能整除大面额时，“换成若干张小面额”不会比“直接用一张大面额”更省张数；因此先拿大面额永远不会亏。一旦这个条件不成立，先拿大面额就可能错过更优解，就需要动态规划登场。
4.3 动态规划法是什么时候才需要的——给新手的差异说明
动态规划法和贪心算法的核心区别在于：贪心只维护一个决策路径，走完即结束，速度快但可能错过全局最优；动态规划会把“所有可能的决策路径”都记录下来，通过状态转移方程逐步推导，保证最终结果是全局最优，代价是时间和空间复杂度更高。
回到找零问题，如果要求“绝对最优”且面额体系不满足贪心条件，就该用动态规划。经典做法是定义dp[i]表示凑出金额 i 需要的最少硬币数，然后用两层循环：外层遍历金额，内层遍历面额列表，更新dp[i] = min(dp[i], dp[i - coin] + 1)。
这段内容我在教案里只做科普性引入，不要求新手当堂掌握。我的建议是：先把贪心思路彻底吃透，对动态规划有一个印象就行了。等你面对更复杂的优化问题时，自然会有动力去系统学习动态规划。在入门阶段，贪心算法配合 if 判断，已经能解决掉大部分身边的实际问题。
5. 新鲜教案：课堂活动设计、练习与作业的完整闭环
5.1 课堂互动游戏：把“找零”变成计算思维训练
为了让学生对贪心算法产生“肌肉记忆”，我会在代码实操之外设计一个不碰电脑的互动环节。这个环节耗时短、道具简单，但对理解贪心策略非常有帮助。
游戏规则如下：准备一叠卡片，分别标记 100、50、20、10、5、1 面额，数量不限。随机抽一名学生扮演收银员，老师或另一位学生扮演顾客，由顾客随机说出一个 1 到 100 之间的金额，收银员需要在 10 秒内从卡片堆中挑出能凑出该金额的最小张数组合。计时完毕后，全班一起验证组合是否成立、张数是否最少。
这个游戏的巧妙之处在于：它把“算法执行”从代码层面拉回到了动作层面。学生每次抽卡，内心都在做一次“当前金额还够不够这张大面额”的判断，这与 if 语句的逻辑完全一致。玩过几轮之后，你会发现学生在写代码时明显更流畅，因为他们已经在大脑里“跑”过很多次贪心流程了。
5.2 分层作业设计：基础题、进阶题和挑战题
作业设计我坚持“分层”原则，目的是让不同水平的学生都能在自己的舒适区边缘练习。基础题面向全体学生，进阶题面向中等以上的学生，挑战题则是给学有余力的学生准备的。
基础题：给定 amount = 67，用循环版本代码求找零方案，并对比 if 版本和循环版本的输出是否一致。
进阶题：扩展面额列表，加入 2 元面额，得到 coins = [100, 50, 20, 10, 5, 2, 1]，分别测试 amount 为 98、73、36 时的找零方案，并检查贪心策略是否依然合理。
挑战题：设计一组面额和金额，使贪心算法给出非最优解，并用自己的话解释为什么贪心会失败。这道题直接对接下节课的动态规划内容，能写出正确答案的同学，说明真正理解了贪心的边界。
5.3 验收标准：怎么判断学生真的学会了
判断学生是否掌握，不能只看代码能不能跑通。我总结了一套简单的验收标准，供你参考：
- 能用自己的话解释“为什么先拿大面额”是合理的（理解策略动机）。
- 能独立写出 if 版本和循环版本的代码（掌握实现）。
- 能口算出常见金额的最优找零方案（建立数感）。
- 能说出至少一个贪心算法失效的反例（理解边界）。
如果以上四条全部满足，这节课的核心目标就达成了。不要强求学生记住“贪心算法”这个名词，只要他们能做出这些事，名词迟早会内化。
6. 常见问题与排查技巧——新手写代码最容易踩的坑
6.1 面额列表没有“从大到小”排：最隐蔽的坑
我在课上见过最多的错误，就是把 coins 列表写成[1, 5, 10, 20, 50, 100]，也就是从小到大排列。这样一来，代码会优先使用 1 元面额，跑出来的结果虽然也能凑出金额，但张数会多到离谱。比如找零 83 元，如果先从 1 元开始，那 result 里会有一大堆 1，完全看不出贪心策略的影子。
这个坑为什么隐蔽？因为程序不会报错，结果也能凑出正确金额，只有张数不对。新手很难发现问题，还以为自己写对了。我在课堂上会专门让学生做一次对比实验：把 coins 顺序反着写，跑同一个金额，观察结果差异。这个对比能非常直观地让学生理解“面额顺序本质上决定了决策优先级”。
6.2 整除和取余弄混：//和%的区别总被忽略
很多新手第一次接触取整和取余时，会混淆两者的含义。amount // coin求的是“商”，也就是能拿几张；amount % coin求的是“余数”，也就是拿完剩下的钱。如果你把两个运算符写反了，代码要么报错，要么输出完全不对的结果。
我推荐一个记忆技巧：//像一把刀，把数切成整数份；%像一个漏勺，只留下漏下去的零头。上课时我会让学生分别打印83 // 20和83 % 20，让他们亲眼看到一个是 4、一个是 3，比口头解释一百遍都管用。
6.3 金额最终不为零：遗漏了最小面额 1
另一种常见错误是：面额列表里写了各种大面额，唯独漏掉了 1 元。如果 amount 最后剩余一个无法处理的零头，代码就“卡住”了——不是报错，而是静默地少了几个硬币。这种情况下，调试技巧是：在代码运行结束后打印一下 amount，看它是否归零。只要金额不是零，就说明还有没覆盖到的面额。
这个问题的排查思路其实可以用到更多场景：任何“处理完数据后检查状态是否符合预期”的习惯，都是新手应该尽早养成的。我会建议学生在找零问题里显式添加一行print(amount)来确认结果，这个习惯以后排查复杂 bug 时会非常有用。
6.4 找零方案的记录方式：字典、列表还是直接打印
有些学生喜欢在 if 判断里直接print，这样做的问题在于“每次输出的结果是即时性的，不容易复核”。我建议把找零方案记录到一个字典里，最后统一打印。这样既能清晰地看到每种面额用了几张，也方便后续写测试代码来验证结果的正确性。
顺带提一句，如果用列表存储方案，也可以写成[50, 20, 10, 1, 1, 1]这种形式，每条记录就是一张真实选中的硬币面额。字典的好处是紧凑，列表的好处是贴近实际找零的“展开过程”，两种风格各有千秋，你选一种顺手的就行。
7. 教案的延伸价值——不只是找零，还能继续玩出什么花样
7.1 从固定面额到动态面额：体会“抽象”的力量
基础教案做完后，我喜欢额外布置一个开放性的小任务：把代码改造成“由用户输入面额列表和金额”的版本。也就是说，不把 coins 写死在代码里，而是用input()接收用户输入。
这是一个很好的抽象能力训练。学生会发现，只要保证面额列表从大到小，代码本身几乎不用改，就能适用于任意货币体系。这个体验对新手理解“函数”“参数”“输入输出”都有帮助。代码大致长这样：
# 动态面额版本 amount = int(input("请输入需要找零的金额：")) coins_input = input("请输入面额列表，用逗号分隔（必须从大到小）：") coins = [int(x) for x in coins_input.split(",")] result = {} for coin in coins: if amount >= coin: result[coin] = amount // coin amount %= coin print("找零方案：", result) print("剩余未找零金额：", amount)我特意在最后加了一行打印剩余金额，方便学生检查是否所有金额都被成功兑换。这行小小的打印语句，其实就是“程序自检”思维的雏形，对后续学习非常有价值。
7.2 与现实的连接：收银台场景、零钱分配和日常生活
有些学生会问：现在都用手机支付了，找零问题还有什么实际意义？这个问题问得好。我通常会回应两点：第一，移动支付普及不意味着现金场景消失，自动售货机、投币洗衣机、停车场缴费机仍然大量存在；第二，找零问题在本质上是一个“资源分配”问题，不止硬币可以用，纸钞、票券、时间片、带宽分配，全都可以套用同样的策略框架。
现实中最贴近的应用是：自动售货机设计硬币找零模块时，需要在“硬件可找零的硬币种类有限”和“顾客等待时间要短”之间做权衡。这和课程里“怎么样用最少张数找零”的目标有天壤之别，但底层逻辑依然是“在有限资源下做决策”。这种迁移视角，能让新手看到算法的通用性，而不仅仅把它当成一道考试题。
7.3 下一步学习路径：从贪心走向动态规划
如果学生做完了找零问题，并且对“最优方案”产生了兴趣，那下一站动态规划就是顺理成章的事。找零问题恰好是动态规划教材里的经典案例，和 Fibonacci 数列、背包问题并列。
我建议的后续学习路径是：先用找零问题搞懂“递归+记忆化搜索”的写法，再做“自底向上的递推写法”，最后把这个流程迁移到背包问题上。这样一路学下来，算法思维会非常扎实。这里给你一个动态规划的参考实现，供学有余力的学生课后钻研：
# 金额找零问题——动态规划版本（求最少硬币数） def min_coins_dp(coins, amount): dp = [float("inf")] * (amount + 1) dp[0] = 0 for i in range(1, amount + 1): for coin in coins: if i - coin >= 0: dp[i] = min(dp[i], dp[i - coin] + 1) return dp[amount] if dp[amount] != float("inf") else -1 coins = [1, 5, 7, 10] print(min_coins_dp(coins, 14)) # 输出 2，对应 7 + 7这段代码和贪心版本最大的不同是：它不再“先选最大面额”，而是对所有可能的“最后一枚硬币”做比较，取最小。学生如果能亲手跑通这段代码，再回去看贪心版本，就能体会两种算法的哲学差异，这种对照学习的效果远比单学任何一个要好。
8. 我的教学复盘与个人经验
最后聊点我自己的体会。这节“贪心算法 if 解题”的教案，我前后调整过三四轮。第一轮的时候，我直接把循环版本甩给学生，结果代码跑通了，但让他们解释“为什么这么写”时，几乎没有学生能说明白。后来我改成“先 if 后 while”的两步走，理解率明显上来了，这也验证了我一直坚持的教学信念：新手学算法，顺序比速度重要。
找零问题最大的魅力在于：它足够简单，简单到可以用 if 一行一行写出来；但它又足够深刻，深刻到能牵出贪心算法的全部核心思想，以及和动态规划的第一次相遇。我建议每一位带新人的老师或者自学的新手，都认真走一遍“if 版 → 循环版 → 反例思考”的完整流程，不要跳过任何一个阶段。
如果你在实际授课或学习过程中遇到具体问题，比如代码跑不通、反例设计不出来、或者在重构环节学生卡壳，欢迎在评论区留言，我看到都会回复。毕竟这套教案没有完美版本，只有一次次和学生真实互动之后不断打磨出来的版本。教与学本来就是一场双向优化，希望这份教案能让你少走一些弯路。
