貪心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。即，不從整體最優上加以考慮，它所做出的僅是在某種意義上的局部最優解。貪心算法沒有固定的算法框架，算法設計的關鍵是貪心策略的選擇。
貪心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。所以對所採用的貪心策略一定要仔細分析其是否滿足無後效性。
基本思路：
1、建立數學模型來描述問題。
2、把求解的問題分成若干個子問題。
3、對每一子問題求解，得到子問題的局部最優解。
4、把子問題的解局部最優解合成原來解問題的一個解。
適用的問題
貪心策略適用的前提是：局部最優策略能導致產生全局最優解。實際上，貪心算法適用的情況很少。對一個問題分析是否適用於貪心算法，可以先選擇該問題下的幾個實際數據進行分析，就可做出判斷。
實現框架
從問題的某一初始解出發，
while （能朝給定總目標前進一步）
{
利用可行的決策，求出可行解的一個解元素；
}
由所有解元素組合成問題的一個可行解。
貪心策略的選擇
因為用貪心算法只能通過解局部最優解的策略來達到全局最優解，因此，一定要注意判斷問題是否適合採用貪心算法策略，找到的解是否一定是問題的最優解。
實例分析
[揹包問題]有一個揹包，揹包容量是M=150。有7個物品，物品可以分割成任意大小。要求儘可能讓裝入揹包中的物品總價值最大，但不能超過總容量。
物品 A B C D E F G
重量 35 30 60 50 40 10 25
價值 10 40 30 50 35 40 30
分析：
目標函數： ∑pi最大。
約束條件是裝入的物品總重量不超過揹包容量：∑wi<=M( M=150)。
（1）根據貪心的策略，每次挑選價值最大的物品裝入揹包，得到的結果是否最優？
（2）每次挑選所佔重量最小的物品裝入是否能得到最優解？
（3）每次選取單位重量價值最大的物品，成為解本題的策略。
對於例題中的3種貪心策略，都是無法成立（無法被證明）的，解釋如下：
（1）貪心策略：選取價值最大者。反例：
W=30
物品：A B C
重量：28 12 12
價值：30 20 20
根據策略，首先選取物品A，接下來就無法再選取了，可是，選取B、C則更好。
（2）貪心策略：選取重量最小。它的反例與第一種策略的反例差不多。
（3）貪心策略：選取單位重量價值最大的物品。
根據策略，三種物品單位重量價值一樣，程序無法依據現有策略作出判斷，如果選擇A，則答案錯誤。
貪心算法並不是完全不可以使用，貪心策略一旦經過證明成立後，它就是一種高效的算法。上面實例試用貪心算法求解，貪心解的確不錯，可惜不是最優解。
閱讀更多 圖像處理與機器視覺 的文章
