定义
贪婪算法又叫贪心算法，指在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。
贪心算法没有固定的算法框架，算法设计的关键是贪心策略的选择。必须注意的是，贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性，即某个状态以后的过程不会影响以前的状态，只与当前状态有关。
所以对所采用的贪心策略一定要仔细分析其是否满足无后效性。
基本步骤
❖ 建立数学模型来描述问题；
❖ 把求解的问题分成若干个子问题；
❖ 对每一子问题求解，得到子问题的局部最优解；
❖ 把子问题的局部最优解合成原来问题的一个解。
适用问题
具备贪心选择和最优子结构性质的最优化问题
贪心选择
整体的最优解可通过一系列局部最优解达到，对于一个具体问题，要确定它是否具有贪心选择的性质，我们必须证明每一步所作的贪心选择最终导致问题的最优解。做了贪心选择后，原问题可以简化成一个规模更小的类似子问题
最优子结构性质
当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构性质,动态规划主要运用于二维或三维问题，而贪心一般是处理一维问题
算法设计
算法特征
❶ 随着算法的进行，将积累起其它两个集合：一个包含已经被考虑过并被选出的候选对象，另一个包含已经被考虑过但被丢弃的候选对象
❷ 选择函数可以指出哪一个剩余的候选对象最有希望构成问题的解
❸ 有一个函数来检查一个候选对象的集合是否提供了问题的解答
❹ 目标函数给出解的值
❺ 另一个函数检查是否一个候选对象的集合是可行的，即是否可能往该集合上添加更多的候选对象以获得一个解
❻ 为了解决问题，需要寻找一个构成解的候选对象集合，它可以优化目标函数，贪心算法一步一步的进行。起初，算法选出的候选对象的集合为空。接下来的每一步中，根据选择函数，算法从剩余候选对象中选出最有希望构成解的对象。
2
经典案例
问题描述：有n个需要在同一天使用同一个教室的活动集合E={1,2,…,n}，教室同一时刻只能由一个活动使用。每个活动都有一个开始时间s_i和结束时间f_i 。一旦被选择后，活动ai就占据半开时间区间[s_i, f_i )。如果[s_i, f_i )和[s_j, f_j )互不重叠，i和j两个活动就可以被安排在这一天。该问题就是要安排这些活动使得尽量多的活动能不冲突的举行。
算法思路：将n个活动按结束时间非减序排列，依次考虑活动i，若i与已选择的活动相容，则添加此活动到相容活动子集
设待安排的11个活动起止时间按结束时间的非减序排列
最大相容活动子集(1，4，8，11)，表示为等长n元数组(1，0，0，1，0，0，0，1，0，0，1)
算法greedySelector的计算过程如右图所示。图中每行相应于算法的一次迭代。阴影长条表示的活动是已选入集合A的活动，而空白长条是当前正在检查相容性的活动
3
评价
优缺点
◆ 在多数情况下容易实现且非常高效
◆ 时间和空间复杂度低，代码量小
◆ 解决了计算上的冗余问题
◆ 仅适用于最优子结构的问题
◆ 依赖于有待做出的最优选择
◆ 通常很难找到一个简单并且保证正确的贪心思路，并需要严格的正确性证明
相似算法比较
