今天看了一下贪心算法，贪心算法没有具体的算法框架。贪心算法主要找当前看来最好的解，没有考虑整体最优。得到的只是局部最优解。
贪心算法不是对所有问题都能得到整体最优解，选择的贪心策略必须具备无后效性，即某个状态以后的过程不会影响以前的状态，只与当前状态有关。
所以对所采用的贪心策略一定要仔细分析其是否满足无后效性。
二、贪心算法的基本思路：
1.建立数学模型来描述问题。
2.把求解的问题分成若干个子问题。
3.对每一子问题求解，得到子问题的局部最优解。
4.把子问题的解局部最优解合成原来解问题的一个解。
三、贪心算法适用的问题
贪心策略适用的前提是：局部最优策略能导致产生全局最优解。
实际上，贪心算法适用的情况很少。一般，对一个问题分析是否适用于贪心算法，可以先选择该问题下的几个实际数据进行分析，就可做出判断。
四、贪心算法的实现框架
从问题的某一初始解出发；
while （能朝给定总目标前进一步）
{
利用可行的决策，求出可行解的一个解元素；
}
由所有解元素组合成问题的一个可行解；
下面摘自百度文库
排队问题
【题目描述】
在一个医院B 超室，有n个人要做不同身体部位的B超，已知每个人需要处理的时间为ti，（0<i<=n）,请求出一种排列次序，使每个人排队等候时间总和最小。
输入数据：第1行一个正整数n（你<=10000》，第2行有n 个不超过 1000的正整数ti.
输出要求：n个人排队时间最小总和。 输入输出样例 输入：4 5 10 8 7 输出： 67
【算法分析】
本题贪心算法：n个人时间从小到大排序，就是这n个人最佳排队方案。求部分和的和即为所求。
反证法证明：假设有最优解序列：s1,s2„sn,如s1不是最小的Tmin，不妨设sk=Tmin,将s1与sk对调，显然，对sk之后的人无影响，对sk之前的人等待都减少了，(s1-sk)>0,从而新的序列比原最优序列好，这与假设矛盾，故s1为最小时间，同理可证s2„sn依次最小
下面是对百度文库中排队问题的实现
1 //一个贪心算法小例子
2 //贪心算法每次寻找局部最优解
3 //贪心算法是否合适需要数学来论证其解是否为最优解
4 //可以参考背包问题
5 public class Greed {
6
7 public static void main(String[] args) {
8 int array[] = {5, 10, 8, 7};
9 Greed greed = new Greed();
10 int time = greed.getTime(array);
11 System.out.println("time is: " + time);
12 }
13 //这里随便用的一个排序算法
14 //明天再系统的看看排序算法
15 //这里用的好像是选择排序
16 //每次选择最小的或者最大的数
17 //这里我采用升序的方式
18 public void sort(int array[]){
19 int min;
20 for(int i = 0; i < array.length; i++){
21 min = i;
22 for(int j = i + 1; j < array.length; j++){
23 if(array[i] > array[j])
24 min = j;
25 }//每一趟找出i后面最小值
26 if(i != min){
27 int temp;
28 temp = array[i];
29 array[i] = array[min];
30 array[min] = temp;
31 }//如果array[i]不是最小值，交换array[i]和array[min]的值
32 }
33 }
34
35 /**
36 * 计算所有的时间和
37 * @param array
38 * @return
39 */
40 public int getTime(int array[]){
41 int sum = 0;
42 //先排序，在求部分和
43 sort(array);
44 show(array);
45 for(int i = 0; i < array.length; i++){
46 int time_one = 0;
47 for(int j = i; j >= 0; j--){
48 time_one += array[j];
49 }
50 sum += time_one;
51 }
52 return sum;
53 }
54
55 public void show(int array[]){
56 for(int i = 0; i < array.length; i++){
57 System.out.print(array[i] + " ");
58 }
59 System.out.println();
60 }
61 }