貪心算法(greedy algorithm):貪心算法的思想很簡單，求解一個問題分為多個步驟，每次求解時總是做出在當前步驟來看是最優的解，在求解問題時，往往需要對給定的集合中的數據進行一次遍歷，有時候一次遍歷還可能找不出所需要的答案，這時候就需要進行多次遍歷，每一次遍歷其實就是一步求解，就是對下一個子問題的解答，利用貪心算法解決問題不總是那么容易，因為你不總能一下子就能對問題的解決方案進行貪心描述的，也就是貪心策略的構建不總是那么容易被識別，貪心算法求解問題也有一些思路：
a 將原問題分解為子問題，原問題是一個總的描述，它尋求是一個整的結果，子問題可以理解為求解原問題的一些步驟，比如說第一步該怎么做，第一步做完了下一步又該怎么做
b 找出貪心策略，策略就是“該怎么做”，確定了“該怎么做”也就確定了策略
c 根據貪心策略求解每一個子問題的最優解
d 合並所有局部最優解，作為原問題的解返還給調用方
貪心算法是有局限性的，它得出的解可能是該問題的一個合適的解，但可能不是“最優解”，它的特點有：
a 所求解只是一個合適的解
b 不能用該策略求解最優解，“最值”問題不能使用該策略
用示例來理解貪心算法，例如：
1、排班問題，有幾個活動公用一間教室，該教室每次只允許一個活動上演，請給出一個排班計划，要求盡可能多地安排活動，例如這些活動的安排時間有：
a(1,3) b(2,3) c(4,6) e(4,5) f(5,6),a活動開始時間是1點，結束時間是3點，b活動開始時間是2點，結束時間是3點，排班思路：
- 將活動的結束時間從小到大進行排列
- 選定排好序的第一個活動為初始活動，尋找下一個活動，條件是下一個活動的開始時間要大於該活動的結束時間
- 用相同的策略執行步驟2
def arrangeActivity(activitiesList):
//根據結束時間從小到大對活動進行排序
sortActivities(activitiesList);
//選定第一個活動作為初始活動
initialActivity=activitiesList[0];
result.add(activitiesList[0]);
for i=1 to activitiesList.length:
if initialActivity.endTime < activitiesList[i].startTime:
//將下一個活動做為初始活動
initialActivity=activitiesList[i];
result.add(activitiesList[i]);
2、哈夫曼樹的構建：哈夫曼樹也是利用貪心算法進行構建的，給定一組帶有權重的節點，將這些節點構建成一棵樹，但是是有條件的，每次構建的時候需要將權重最小的兩個節點作為葉子節點，其父節點的權重變為兩個葉子節點的權重和，然后將合並后的父節點放到原來的節點集合中，繼續構建新的樹，已經用過的節點不能再次使用
def constructHuffmanTree(nodeSet):
while(nodeSet.size()>1):
//根據權重從小到大對節點值進行排序
sortNodeSetByWeight(nodeSet);
//獲取權重最小的兩個節點
node1=nodeSet.remove(0);
node2=nodeSet.remove(0);
//合並兩個節點的權重作為父節點的權重
newNode=new Node(node1.weight+node2.weight);
//注意創建葉子節點
newNode.left=node1;
newNode.right=node2;
//將新的節點放到節點集合中
nodeSet.add(newNode);
//當節點集中只剩一個節點時，該節點就是最終的結果
return nodeSet.get(0);
哈夫曼樹的構建過程也是貪心算法的一種體現，每次只選取權重值最小的兩個節點進行構建，同時將這兩個權重值最小的節點從原節點集中進行刪除，按照這種策略繼續進行構建，直到節點集合中只剩下最后一個節點。
總結，使用貪心算法進行問題求解時，總的解題步驟有：
1、掃描原數據集，找出符合要求的數據
2、根據符合要求的數據來構建局部最優解，然后繼續進行1，2步驟，直到求出所有子問題的解