貪心演算法是指對子問題取最值，從而求得區域性最優解，並以此求得全域性最優解。貪心演算法可以認為是動態規劃的乙個特例，同樣是需要將問題分解為子問題，避免了子問題的重複計算，只不過在子問題的處理上貪心演算法更加簡單直接。貪心演算法不是對所有問題都能得到整體最優解，選擇的貪心策略必須具備無後效性，即某個狀態以後的過程不會影響以前的狀態，只與當前狀態有關。
舉個簡單的例子，有10、5、3面額的鈔票各若干張，現在規定只能拿10張，問最多能拿多少錢。顯然每次都拿剩下鈔票中最大的面額，最後能取得最優解。但是如果換成湊夠某金額最少的鈔票數，那麼貪心演算法沒辦法得到最優解，因為每次取最大面額，最後可能出現面額不合適，從而使用大量小面額湊零，反而增加了鈔票數，面對這種問題，貪心策略就不具備無後效性。
以上介紹了貪心演算法的概念及侷限性，對於符合貪心策略的問題，基本思路如下：
跳躍遊戲（leetcode-55）
我們把此類為題轉變為最值問題，即跳躍最遠距離覆蓋最後乙個位置認為能夠達到最後乙個位置。那麼求最遠跳躍距離可以分解為求每一步跳躍的最遠距離，貪心演算法具體思路如下：
bool canjump(vector&nums)每一步都計算一下從當前位置最遠能夠跳到**，然後和乙個全域性最優的最遠位置farthest做對比，通過每一步的最優解，更新全域性最優解。相對於動態規劃，貪心演算法的優勢在於，時間複雜度為o(n)，空間複雜度為o(1)，但是使用時必須滿足貪心演算法的條件。return farthest >= n - 1
;}
跳躍遊戲 ιι（leetcode-45）
下面再將問題公升級為求最少跳躍次數，同樣可使用貪心演算法解決。
解題思路為：每一步必須跳，那麼就求出每一步能夠跳的最遠距離，即將原問題分解為每一步跳躍使得後續的可跳距離最遠。如下圖所示，位置0最大可跳2個位置，具體跳到位置1還是位置2呢？由於位置1可跳範圍比位置2更遠，所以在位置0選擇跳到位置1，之後每一步都按照同樣的策略取下一跳位置。
**如下：
int jump(vector&nums)return
step;
}
五大常用演算法之貪心演算法
五大常用演算法之貪心演算法 貪心演算法 貪婪演算法 指的是 在對問題求解過程中，總是做出在當前看來是最好的選擇。不從整體最優上加以考慮，所做出的是在某種意義上的區域性最優解。貪心演算法不是對所有問題都能得到整體最優解，關鍵是貪心策略的選擇，選擇的貪心策略必須具備無後效性，即某個狀態以前的過程不會影響...
五大演算法三 貪心演算法
一 基本概念 所謂貪心演算法是指，在對問題求解時，總是做出在 當前看來是最好的選擇 也就是說，不從整體最優上加以考慮，他所做出的僅是在某種意義上的 區域性最優解 貪心演算法沒有固定的演算法框架，演算法設計的關鍵是貪心策略的選擇。必須注意的是，貪心演算法不是對所有問題都能得到整體最優解，選擇的貪心策略...
五大常用演算法 貪心演算法
一 基本概念 所謂貪心演算法是指，在對問題求解時，總是做出在 當前看來是最好的選擇 也就是說，不從整體最優上加以考慮，他所做出的僅是在某種意義上的 區域性最優解 貪心演算法沒有固定的演算法框架，演算法設計的關鍵是貪心策略的選擇。必須注意的是，貪心演算法不是對所有問題都能得到整體最優解，選擇的貪心策略...