贪心算法是一种在每一步选择中都做出在当前看来最佳的选择，从而希望导致结果是最优的算法。

举个例子，假设我们有一个可以装下重量不超过 W 的背包，并有 n 件物品，第 i 件物品的重量为 w[i]，价值为 v[i]。我们希望从中选出若干件物品，装到背包中，使得装入背包中物品的总价值最大。

这个问题就可以使用贪心算法来解决。考虑按照价值与重量的比值来排序，然后从大到小选取物品。如果当前背包容量足够，就将物品装入背包；如果容量不够，就尽量装满。

下面是使用贪心算法来解决背包问题的Java代码：

public static void main(String[] args) {
        // 背包物品数量
        int n = 5;
        // 背包大小
        int W = 10;
        // 每个物品的体积
        int[] w = {2, 2, 6, 5, 4};
        // 每个物品的价值
        int[] v = {6, 3, 5, 4, 6};
        // 每种情况下背包中装入的最大价值
        int[][] f = new int[n + 1][W + 1];

        for (int i = 1; i <= n; i++) {
            for (int j = 0; j <= W; j++) {
                if (j < w[i - 1]) {
                    f[i][j] = f[i - 1][j];
                } else {
                    f[i][j] = Math.max(f[i - 1][j], f[i - 1][j -w[i - 1]] + v[i - 1]);
                }
            }
        }
        System.out.println(f[n][W]);
    }

在本例中，n=5，代表有5个物品，W=10，代表背包的大小是10。然后，我们有两个数组w和v，分别表示每个物品的体积和价值。

定义二维数组f，用于记录每种情况下背包中装入的最大价值。接着，我们开始使用贪心算法，从前往后枚举每个物品，并计算出它是否应该装入背包中。

首先考虑第一层循环，从1开始遍历所有的物品。然后考虑第二层循环，从0开始遍历所有可能的背包容量。

对于每个物品 i 和容量 j，都有两种选择：选择物品 i，或者不选择物品 i。

当容量 j 大于等于物品 i 的重量时，f[i][j] 可以由两种情况中的最大值得到，即 f[i][j]=max(f[i-1][j],f[i-1][j-w[i-1]]+v[i-1])；

当容量 j 小于物品 i 的重量时，物品 i 不能选择，此时 f[i][j] 的值就等于 f[i-1][j]。最后，输出 f[n][W] 即可得到最大价值。

以此类推，最后得到f[n][W]，就是最大价值。

这个算法的时间复杂度是 O(nW)，其中 n 是物品数量，W 是背包容量。在计算最优解时，我们需要枚举所有的物品，并且对于每个物品，都需要考虑背包容量的所有可能值。因此，算法的时间复杂度随着物品数量和背包容量的增加而增加。

空间复杂度是 O(nW) 的，因为我们需要一个 nW 大小的二维数组来存储状态。