贪心法是一种改进了的分级处理方法。用贪心法设计算法的特点是一步一步地进行，根据某个优化测度（可能是目标函数，也可能不是目标函数），每一步上都要保证能获得局部最优解。每一步只考虑一个数据，它的选取应满足局部优化条件。若下一个数据与部分最优解连在一起不再是可行解时，就不把该数据添加到部分解中，直到把所有数据枚举完，或者不能再添加为止。这种能够得到某种度量意义下的最优解的分级处理方法称为贪心法。

　　选择能产生问题最优解的最优度量标准是使用贪心法的核心问题。

　　假定有n个物体和一个背包，物体i 有质量wi，价值为pi，而背包的载荷能力为M。若将物体i的一部分xi（1<=i<=n,0<=xi<=1)装入背包中，则有价值pi*xi。在约束条件（w1*x1+w2*x2+…………+wn*xn)<=M下使目标(p1*x1+p2*x2+……+pn*xn)达到极大，此处0<=xi<=1,pi>0,1<=i<=n.这个问题称为背包问题（Knapsack problem）。

　　要想得到最优解，就要在效益增长和背包容量消耗两者之间寻找平衡。也就是说，总应该把那些单位效益最高的物体先放入背包。

　　在实现算法的程序中，实现算法的核心程序倒没碰到很大的问题，然而实现寻找最优度量标准程序时麻烦不断！

　　在寻找最优度量标准时，大致方向是用冒泡排序算法。也就是根据p[i]/w[i]的大小来对w[i]来排序。

　　在直接用此算法时，可以有如下的一段代码：

　　//根据效益tempArray[i]对重量w[i]排序，为进入贪心算法作准备
　　1　void sort(float tempArray[], flaot w[], int n)
　　2　{
　　3 　　int i = 0, j = 0;
　　4 　　int index = 0;
　　5
　　6 　　//用类似冒泡排序算法，根据效益p[i]/w[i]对w[i]排序
　　7 　　for (i = 0; i < n; i++)
　　8　　{
　　9 　　float swapMemory = 0;
　　10 　　float temp;
　　11
　　12 　　temp = tempArray[i];
　　13 　　index = i;
　　14
　　15 　　for (j = i + 1; j < n; j++)
　　16 　　{
　　17 　　if (temp < tempArray[j])
　　18 　　{
　　19 　　temp = tempArray[j];
　　20 　　index = j;
　　21 　　}
　　22 　　}
　　23
　　24 　　//对w[i]排序
　　25 　　swapMemory = w[index];
　　26 　　w[index] = w[i];
　　27 　　w[i] = swapMemory;
　　28 　　}
　　29
　　30 　　return;
　　31 }

　　然而仔细对算法分析后可以发现，“拿来主义”在这里用不上了！

　　对算法的测试用例是p[3] = {25, 24, 15};w[3] = {18, 15, 10}。得到的结果如下：

　　please input the total count of object: 3
　　Please input array of p :
　　25 24 15
　　Now please input array of w :
　　18 15 10
　　sortResult[i] is :
　　1　-107374176.000000　1　1.600000　2　　1.600000
　　after arithmetic data: x[i]
　　0.000000 　　0.333333 　　0.000000

　　可以看到其效益为x[3] = {1.4, 1.6, 1.5}，于是在M = 20的情况下，其预想中的输出结果是0，1，0.5。然而事实上是不是就这样呢？