贪心算法
贪心算法（greedy algorithm）：在每一步选择中都采取在当前状态下最优的选择，从而希望导致结果最优的算法。
贪心算法在有最优子结构的问题中尤为有效。最优子结构的意思是局部最优解能决定全局最优解。简单地说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解。
贪心算法与动态规划的不同在于它对每个子问题的解决方案都做出选择，不能回退。动态规划则会保存以前的运算结果，并根据以前的结果对当前进行选择，有回退功能。
贪心算法可以用于解决一些最优化问题，如：求图中最小生成树、求哈夫曼编码等，但是对于其它问题，贪心算法一般不能得到我们想要的解。如果一个问题能够通过贪心算法来解决，一般而言，贪心算法就是解决这个问题的最好方法。由于贪心法的高效性以及其所求得的答案比较接近最优结果，贪心法也可以用作辅助算法或者直接解决一些要求结果不特别精确的问题。在不同情况，选择最优的解，可能会导致辛普森悖论（Simpson's Paradox），不一定出现最优的解。