贪婪算法是一种通过选择当前可用的最佳选项来解决问题的方法，而无需担心它会带来的未来结果。换句话说，本地最佳选择旨在产生全球最佳结果。

对于所有问题，该算法可能都不是最佳选择。在某些情况下可能会产生错误的结果。

该算法永远不会返回来扭转所做出的决定。该算法以自顶向下的方式工作。

该算法的主要优点是：

1. 该算法更易于描述 。
2. 该算法的性能可能优于其他算法(但并非在所有情况下都如此)。

可行的解决方案

一种可行的解决方案是为问题提供最佳解决方案的解决方案。

贪婪算法

1. 首先，解决方案集(包含答案)为空。
2. 在每个步骤中，将一个项目添加到解决方案集中。
3. 如果解决方案集可行，则保留当前项目。
4. 否则，该项目将被拒绝，不再考虑。

示例-贪婪方法

Problem: You have to make a change of an amount using the smallest possible number of coins.
Amount: $28

Available coins:
  $5 coin
  $2 coin
  $1 coin

解：

1. 创建一个空的solution-set = {} 。
2. 硬币= {5，2，1}
3. 总和= 0
4. 当总和≠28时 ，请执行以下操作。
5. 从硬币中选择一个硬币C ，使之和+ C <28 。
6. 如果C + sum> 28 ，则不返回任何解。
7. 否则， sum = sum + C。
8. 将C添加到solution-set 。

在前5次迭代之前，解决方案集包含5个5美元的硬币。之后，我们得到1个 2美元硬币，最后得到1个1美元硬币。

贪婪算法应用

• 选择排序
• 背包问题
• 最小生成树
• 单源最短路径问题
• 作业调度问题
• Prim的最小生成树算法
• Kruskal的最小生成树算法
• Dijkstra的最小生成树算法
• 霍夫曼编码
• 福特-富克森算法