上回说动态规划算法的时候，有提及贪心算法，说他也是属于分治思想下面的一类解决问题的算法，而分治思想指的就是将一个大的问题，分解成几个小的问题，通过解决小问题，最后解决大问题的解决思路，因此，贪心算法也继承了这样的思想，将一个大的问题，分解成众多小问题来解决。而他和动态规划算法的区别在于，一个是子问题的最优解不一定会是总问题的最优解，就好比如，我们探讨如下的A,B,C,D节点，其中每条边上代表是边长。
现在我们要计算从A到D的最短边长和，明眼上一看，A-C-D是最短的路径，但如果要计算机能够通过计算达到最短轮径，我们就不得不列举出所有可能从A到达D的路径，依次算出所有的路径长度和并比较出最小的一条最为最短的路径。这样的做实际上也是一种方案，通过穷举法，但如果是一个比较复杂的图形，其中包含有n个节点，m条边，通过穷举法，我们最多可能有n的阶乘这么多种情况，当输入比较大的时候，这个值会很大，计算机可能会花费大量时间来计算所有的情况，而为了提高效率，通过动态规划的算法，将从A到D的问题，分解成它的子问题，很明显，我们会分解成，从A-B或者从A到C，而如果用动态规划算法，我们会保存从A-B的最短路径short(a,b)，同时也会计算出A-B的最短路径short(a,c)，然后，比较short(b,d)+short(b,d)<short(a,c)+short(c,d)，比较的时候，我们还不确定那个是真正的从A到D的最短路径，也就是当我们解决了A-D的子问题A-B或A-C的最短路径时，我们依然无法确定那个时最短路径，而直到我们比较了子问题的解加上另外一个子问题的解的时候，才算是等到了A-C-D是最短路径。这个举例业主要是说明，动态规划算法，其之所以是动态规划，指的就是总问题的解是根据子问题的解动态调整的，子问题的解并不一定是最优解的情况，只有遍历到最后才能够得到整个问题的答案。
而贪心算法又是另外的一种情况，贪心算法是所有子问题的解一定构成了总问题的解，而解决问题的关键就是，求得每个子问题的最优解，最后得到总问题的最优解。
可以看出，贪心算法是一种比较简单的思维模式，法如其名，贪心，针对每个问题，我们都要最好的，那么总问题的结果一定就是最好的，而如果用这种想法解决上面最短路径问题，我们就发现不对了，首先从A出发，最好的是short(a,b)=1，然后再从B出发，最好的是short(b,d)=8，那short(a,d)=1+8=9，显然是不对的，所以贪心算法，是不是和用来解决这种眼前最好的不一定是后来最好的算法，有些问题的解决也不能太贪心。
什么样的情况适合用贪心算法，主要还是要考虑问题本身的特性，当发现问题具有一种单纯的累积效应的时候。例如，我今天早上列出了我今天要做的事情[a,b,c,d,e]以及他们所需要的时间[1,2,5,4,3]，以及每件事情的重要程度[2,1,3,3,1]，这些事情是我上班要做的事，我不想下班再做，所以我只用8个小时来做，且最后一件事情要嘛完成，要嘛就算没做，也就是一旦超过了8个小时，还在做一件事情，那么就算没做这件事，同时允许上班偷懒。现在，我有两种想法，我今天要完成尽量多的事情，另外一种是我今天要做最大的重要程度。第一种情况，尽量多的事情，那么我就要考虑，如何才能保证我做的事情足够的多，首先该做哪一个事，然后再做哪一个，这样我们就得到了一个子问题，如何选择下一件该做的事情，而使得8小时中做得事情足够多，换种思维方式就是，假设我们选择了一个事情x，使得最多事情成立，那么这个最多的情况就是1+剩下的做的事情件数，而解决问题的关键就是如何使得剩下的事情件数最多，那就是当我们出现足够多的剩下的时间的时候，可以被选择的事情件数就更多，因此我们得出了一个结论，只要我们每次选择用时最少的情况，我们就能够得到8个小时中最多的事件集合。
第二个问题，如何选择最多重要性的事情，很显然，我们不能光靠完成事情的多少就证明我们完成了多少重要度，而是依靠整个重要度的结合，这里我们很明显要考虑两个维度，一是我们选择要做的事情的用时总和不超过8小时，同时它的重要度是最大的。而针对这个问题，我们很清楚的发现，当我们选择某个事情x时，那么剩下的事情一定满足再剩下的时间中的最大的重要程度，而能否找到一个确定的x的值，满足这样的条件，答案时否定的，我们不能唯一确定一个事件[a,b,c,d,e]中的任意一个满足这样的条件，而只有当我们把这个问题逐渐推到低成问题的时候，那就是如果时间为0的时候，或者事件为0的时候，再从这个基本问题出发解决总问题，实际上我们用到的是动态规划算法。
思路：
设一个二维数组[time,important],时间重要性数组，其中包括了我们输入的所有情况，同时在设一个满足最高重要度和的事件集合things
设事件x为重要性数组的一个事件
那么就有，如果事件x属于things,important(things)=important(things-x)+important(x);time(things)=time(things-x)+time(x)
如果事件x不属于things，那么important(things)=important(things-x);time(things)=time(things-x)
同时有，important(o)=0,time(o)=0,也就是[0,importants]=0,[time,0]=0,[0,0]=0
而如何判断事件x是否在things里面，我们只需要判断，important(things-x)<important(things-x)+important(x),且times(things-x)+times(x)<8
