參考：
下面請看示例題：
有n個商品,每個商品的重量為wi,**為:pi,現有乙個揹包，最多能裝ｍ的重量．其中(0<=i問：怎樣裝能使包中裝入的商品價值最高（對於每個商品可以只裝該商品的一部分）
偽**：
引數分別為 n:物品數 m：揹包最多能裝的重量 v：價值陣列 w重量陣列
void knapsack(int n,float m,float v,float w,float x)
sort(n,v,w); //進行排序
int i;
for (i = 1 ; i <= n ; i++)
x[i] = 0;
float c=m; //c為揹包剩餘空間
for (i=1;i<=n;i++) {
if (w[i] > c) break;
x[i]=1; //選取第i個物品
c-=w[i]; //剩餘重量減少
if (i <= n) //當此時揹包的容量不夠存放整個物品的情況時，存放一部分
x[i]=c / w[i];
具體**如下：
view code
演算法knapsack的主要計算時間在於將各種物品依其單位重量的價值從大到小排序。若不計較排序的是時間，單單貪心策略的演算法複雜度只有o(n),上面的這個例子使用了o(n*n)的排序演算法，這裡只是為了簡單而已，實際上我們可以選擇合適的排序演算法將排序部分的複雜度降到o(nlgn)..如堆排序，快速排序等等
這裡我沒有記錄完整的例子完全是因為這個演算法太好理解了 ，貪心演算法一般在開始策略選擇前會進行排序，排好序後就進行最優化選擇，這和我們生活中找錢的規律是一樣的，如我需要找87塊錢給顧客，我會怎麼做，首先我們知道10〉5>1這個排序，然後更具我們的經驗，我們出具8張10塊（最大化貪心原則）然後出具 一張5塊，最後出具兩張一塊.當然你也可以說，我全部給一塊或者給不給10塊只給5塊和1塊，但是，那不是最簡便的方法，細心一下，生活中處處是演算法
演算法導論 貪心演算法之赫夫曼編碼
討論赫夫曼編碼問題，赫夫曼編碼的思想就是變長編碼。變長編碼就是讓字元表中出現概率高的字元的編碼長度盡可能小，而出現概率高的字元的編碼長度相對較長。然後還要遵循字首碼的要求，就是任意乙個編碼都不是其他編碼的字首碼，這樣方便解碼。對於下表中的字元和相應的出現概率，有對應圖中的編碼樹 可以比較容易的看出來...
演算法導論 13 貪心演算法
與動態規劃類似，貪心演算法也將問題化簡為規模較小的子問題，並通過遞迴解決子問題來獲取整個問題的解。不同的是，貪心問題不對子問題進行比較，而是只生成乙個非空的子問題，而使選擇在當時看上去是最優的 即 貪心 的含義 幾個互相競爭的活動都要求以獨佔的方式占用某個公用資源 如選修課程對個人可支配時間的要求，...
貪心演算法 1 演算法導論 21
我們先來看看乙個適應貪心演算法求解的問題 選擇活動問題。假定有乙個 n 個活動的集合 s 每個活動 a i 的舉辦時間為 s i,f i 0 leqslant s i f i 並且假定集合 s 中的活動都已按結束時間遞增的順序排列好。由於某些原因，這些活動在同一時刻只能有乙個被舉辦，即對於任意兩個活...