贪心算法是一种追求 “即时利益最大化” 的算法思想，核心逻辑是每一步都做出当前看起来最优的选择，寄希望于通过局部最优的累积，最终得到全局最优解。
它不像动态规划那样考虑所有后续情况，也不似回溯法那样反复试错，而是凭借 “短视” 的决策快速推进。这种特性让贪心算法的时间复杂度通常较低，执行效率极高，适合解决具有 “贪心选择性质” 和 “最优子结构” 的问题，比如霍夫曼编码、最小生成树（Prim/Kruskal 算法）、活动选择问题等。
但贪心算法并非万能，若问题不满足贪心选择性质，局部最优无法推导出全局最优，就会得到错误结果。比如零钱兑换问题，当硬币面额不规范时，贪心策略可能失效。它是一种高效但需谨慎使用的算法工具。
