（註：貪婪算法不是對所有問題都能得到整體最優解，但對範圍相當廣泛的許多問題它能產生整體最優解。但其解必然是最優解的很好近似解。
基本思路：——從問題的某壹個初始解出發逐步逼近給定的目標，以盡可能快的地求得更好的解。當達到某算法中的某壹步不能再繼續前進時，算法停止
實現該算法的過程：
從問題的某壹初始解出發；
while 能朝給定總目標前進壹步 do
求出可行解的壹個解元素；
由所有解元素組合成問題的壹個可行解；
基本要素：
1、 貪婪選擇性質：所求問題的整體最優解可以通過壹系列局部最優的選擇，即貪婪選擇來達到。（與動態規劃的主要區別）
采用自頂向下，以叠代的方式作出相繼的貪婪選擇，每作壹次貪婪選擇就將所求問題簡化為壹個規模更小的子問題。
對於壹個具體問題，要確定它是否具有貪婪選擇的性質，我們必須證明每壹步所作的貪婪選擇最終導致問題的最優解。通常可以首先證明問題的壹個整體最優解，是從貪婪選擇開始的，而且作了貪婪選擇後，原問題簡化為壹個規模更小的類似子問題。然後，用數學歸納法證明，通過每壹步作貪婪選擇，最終可得到問題的壹個整體最優解。
2、最優子結構性質:包含子問題的最優解
1、 設有n個活動的安排，其中每個活動都要求使用同壹資源，如演講會場，而在同壹時間只允許壹個活動使用這壹資源。每個活動都有使用的起始時間和結束時間。問：如何安排可以使這間會場的使用率最高。
活動 起始時間 結束時間
1 1 4
2 3 5
3 0 6
4 5 7
5 3 8
6 5 9
7 6 10
8 8 11
9 8 12
10 2 13
11 12 14
算法：壹開始選擇活動1，然後依次檢查活動壹i是否與當前已選擇的所有活動相容，若相容則活動加入到已選擇的活動集合中，否則不選擇活動i,而繼續檢查下壹活動的相容性。即：活動i的開始時間不早於最近加入的活動j的結束時間。
Prodedure plan;
Begin
n:=length[e];
a {1};
j:=1;
for i:=2 to n do
if s[i]>=f[j] then
begin a a∪{i};
j:=i;
end
end;
例1 [找零錢] 壹個小孩買了價值少於1美元的糖，並將1美元的錢交給售貨員。售貨員希望用數目最少的硬幣找給小孩。假設提供了數目不限的面值為2 5美分、1 0美分、5美分、及1美分的硬幣。售貨員分步驟組成要找的零錢數，每次加入壹個硬幣。選擇硬幣時所采用的貪婪準則如下：每壹次選擇應使零錢數盡量增大。為保證解法的可行性（即：所給的零錢等於要找的零錢數），所選擇的硬幣不應使零錢總數超過最終所需的數目。
假設需要找給小孩6 7美分，首先入選的是兩枚2 5美分的硬幣，第三枚入選的不能是2 5美分的硬幣，否則硬幣的選擇將不可行（零錢總數超過6 7美分），第三枚應選擇1 0美分的硬幣，然後是5美分的，最後加入兩個1美分的硬幣。
貪婪算法有種直覺的傾向，在找零錢時，直覺告訴我們應使找出的硬幣數目最少（至少是接近最少的數目）。可以證明采用上述貪婪算法找零錢時所用的硬幣數目的確最少（見練習1）。