贪心算法和分枝定界算法的区别

1.贪心算法
贪心算法（贪婪算法）就是在对问题进行求解时，总是做出当前看起来最优的选择，就是不从整体上进行考虑，只是得到局部意义上的最优解。贪心不是对问题都能得到全局最优解，关键在于贪心策略的选择。
2.分枝定界算法
分枝定界算法（branch and bound）是一种求解整数规划问题的最常用的算法，它利用广度优先搜索策略搜索和迭代的方法，选择不同的分支变量和子问题进行分支。
**广度优先搜索策略搜索：**广度优先搜索（也称宽度优先搜索）是连通图的一种遍历算法这一算法也是很多重要的图的算法的原型。Dijkstra单源最短路径算法和Prim最小生成树算法都采用了和宽度优先搜索类似的思想。其别名又叫BFS，属于盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。换句话说，不考虑结果的可能位置，彻底地搜索整张图，直到找到结果为止。
也可以这么理解：*把全部可行解空间反复地分割为越来越小的子集，称为分支；设定一个或者多个约束条件，成为定界。*每次分枝之后，约束条件之外的子集就进行剪枝操作，这样可以减少相应的计算量。
当然，这里可以把分枝定界算法和贪心策略相结合，在常规广度分枝之和，约束条件利用贪心策略。寻找每一步的最短距离，并将其作为下一步的最优解，其他进行剪枝操作。这样就可以直接得出最优解，从而省去了上面贪心算法的运行多次，比较得出最优解的问题。
分支定界：重在分支与规定界限，贪心算法偏于分支定界的一个约束条件，比如最小，最短。