贪心算法是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择策略，以便产生全局最优解的算法导向策略。以下是贪心算法的几个经典例子：
分发饼干问题
问题描述：给定一系列饼干和一系列孩子的胃口值，目标是尽可能满足更多数量的孩子。
贪心策略：先满足胃口值小的孩子，因为这样的孩子容易满足。同时，尽量使用尺寸小的饼干来满足胃口值大的孩子。
找零钱问题
问题描述：给定一定数额的钱和一系列不同面额的钞票，求用最少的纸币数量找零。
贪心策略：在每一步中，选择不超过需要找零数额的最大面值。
区间调度问题
问题描述：给定一系列时间区间，求最少需要多少个时间段来覆盖所有区间。
贪心策略：按区间的结束时间排序，然后选择结束时间最早且与前一个选中的区间不重叠的区间。
背包问题
问题描述：给定一组物品，每个物品有一定的重量和价值，要求在不超过背包容量的情况下，装入背包的物品总价值最大。
贪心策略：每次挑选价值最大的物品装入背包。
字符串重构问题
问题描述：给定一个字符串，通过重新排列字符得到一个回文字符串，求最少需要改变多少个字符。
贪心策略：统计每个字符出现的次数，然后从出现次数最多的字符开始，尝试构建回文字符串。
最小生成树问题（Kruskal算法或Prim算法）：
问题描述：给定一个无向加权图，求一棵包含所有顶点的树，且树的总权重最小。
贪心策略：Kruskal算法通过不断选择权重最小的边，并确保不形成环来构建最小生成树；Prim算法则从一个顶点开始，不断选择与当前生成树连接且权重最小的顶点来扩展树。
这些例子展示了贪心算法在不同问题中的应用，通过在每一步选择当前最优解，贪心算法能够在许多情况下得到全局最优解。然而，贪心算法并不总是能找到最优解，它的正确性依赖于具体问题的性质和贪心策略的适用性。