贪心法（ Greedy algorithm），又称贪心算法

贪心法（ Greedy algorithm），又称贪心算法，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，从而希望导致结果是最好或最优的算法。比如在旅行推销员问题中，如果旅行员每次都选择最近的城市，那这就是一种贪心算法。

贪心算法在有最优子结构的问题中尤为有效。最优子结构的意思是局部最优解能决定全局最优解。简单地说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解。

贪心算法与 动态规划的不同在于它每对每个子问题的解决方案都做出选择，不能回退。动态规划则会保存以前的运算结果，并根据以前的结果对当前进行选择，有回退功能。

与动态规划先求解子问题才能进行第一次选择不同，贪心算法在进行第一次选择之前不求解任何子问题。一个动态规划算法是自底向上进行计算，儿一个贪心算法通常是自顶向下的。

贪心法可以解决一些 最优化问题，如：求 图中的 最小生成树、求 哈夫曼编码……对于其他问题，贪心法一般不能得到我们所要求的答案。一旦一个问题可以通过贪心法来解决，那么贪心法一般是解决这个问题的最好办法。由于贪心法的高效性以及其所求得的答案比较接近最优结果，贪心法也可以用作辅助算法或者直接解决一些要求结果不特别精确的问题。

可以根据以下步骤来设计贪心算法

1)将优化问题转化为这样一个问题，即先做出选择，再解决剩下的一个子问题

2)证明问题总是有一个最优解是通过贪心选择得到的，从而说明贪心选择的安全。

3)说明在做出贪心选择后，剩余的子问题具有这样一个性质。即将子问题的最优解和我们所做的贪心选择联合起来，可以得到原问题的一个最优解。

贪心选择性质和最优子结构是判断能否使用贪心算法解决最优化问题的关键。

一般人 换零钱的时候也会应用到贪心算法。把$36换散︰$20 > $10 > $5 > $1

细节

1. 建立数学模型来描述问题。
2. 把求解的问题分成若干个子问题。
3. 对每一子问题求解，得到子问题的局部最优解。
4. 把子问题的解局部最优解合成原来解问题的一个解。

实现该算法的过程：
从问题的某一初始解出发；while 能朝给定总目标前进一步 do ,求出可行解的一个解元素；
最后，由所有解元素组合成问题的一个可行解。