貪婪演算法（英語：greedy algorithm），又稱貪心演算法，是一種在每一步選擇中都採取在當前狀態下最好或最佳（即最有利）的選擇，從而希望導致結果是最好或最佳的演算法。

利用逐步遞增的方式解決問題，完成大小為的工作任務。在每個步驟中，貪婪演算法會作出最佳局部決策,而提供有用的資訊，通常會將待解決問題的大小降為 1 來進行處理。在所有 n 個步驟完成之後，演算法會傳回運算的結果。

簡單來說，就是把一個大問題分割成好幾個小問題，在每一步採用當前看起來最好的選擇，進而希望使最終答案最好的方法

一些關於貪婪法的細節

1. 建立數學模型來描述問題。
2. 把求解的問題分成若干個子問題。
3. 對每一子問題求解，得到子問題的局部最佳解。
4. 把子問題的解局部最佳解合成原來解問題的一個解。

用程式舉個例子，為了對內含 n 個數值的陣列 A 進行排序，貪婪作法的選擇排序(Selection Sort)演算法會找出 A[0, n-1]中的最大值元素，並將它與 A[n-1]位置元素交換內容，以確保 A[n-1]為此最大值的適當擺放位置。

接著重複上述程序找出在 A[0, n-2]內容中的最大值，並同樣的將它與 A[n-2]位置元素互換內容。持續此重複程序直到整個陣列的元素皆以排序為止。

可以藉由演算法在處理輸入內容時，觀察待解決的子問題規模縮小緩慢的現象，來辨認是否為貪婪法。當子問題能夠以 O(log n)解決完成，則貪婪法會顯現 O(n log n)效能。如果子問題需求 O(n)的行為，而在此用選擇排序處理，則整體的效能會是 O(n^2)。

貪婪法可以解決一些最佳化問題，如：最小生成樹、哈夫曼編碼……對於大部分的問題，貪婪法通常都不能找出最佳解（不過也有例外），因為他們一般沒有測試所有可能的解。貪婪法的缺點就是容易過早做決定，因此在大多數的問題中沒辦法達到最佳解。