【基础算法实战4.0】贪心算法

最新推荐文章于 2024-12-03 10:49:11 发布

PPPotato！

最新推荐文章于 2024-12-03 10:49:11 发布

阅读量1.7k

点赞数 67

分类专栏：基础算法实战文章标签：算法贪心算法

本文链接：https://blog.csdn.net/2301_79633602/article/details/142583586

版权

基础算法实战专栏收录该内容

5 篇文章 0 订阅

订阅专栏

【基础算法实战】

【1】枚举算法
【2】递归与分治算法
【3】回溯算法
【4】贪心算法

文章目录

【基础算法实战】
前言
一、贪心算法简介
- 1.1 贪心算法的核心思想
二、贪心算法的解题思路
- 2.1 一般步骤
- 2.2 贪心算法的优化策略
三、贪心算法的实际应用
- 3.1 分发饼干
- 3.2 无重叠区间
四、优化贪心算法的实践技巧
总结

前言

贪心算法是一种在求解最优化问题时常用的方法。与动态规划等算法不同，贪心算法通过局部最优选择来希望达到全局最优解。这种方法在某些问题中非常有效，但并不是所有问题都能用贪心算法解决。本文将结合个人理解，深入探讨贪心算法的原理、特性及其应用。

一、贪心算法简介

贪心算法 （Greedy Algorithm）是一种算法设计策略，每次都选择当前状态下的最佳选择，而不考虑未来的选择。这种策略基于以下两个关键特性：

贪心选择性质：一个问题的全局最优解可以通过一系列局部最优解来达到。
最优子结构：问题的最优解包含其子问题的最优解。

1.1 贪心算法的核心思想

贪心算法的核心在于局部最优选择。在一个给定的问题中，我们首先明确：

选择对象：需要做出贪心选择的元素；
选择标准：用于判断当前选择是否是最优的；
子问题的结构：确保子问题的最优解能够组成全局最优解。

尽管贪心算法效率较高，但适用性有限，主要用于：

最小生成树
最短路径问题
资源分配

举例分析
以“无重叠区间”为例，问题的本质在于选择结束时间最早的区间，这样可以有效留出更多的空间给后面的区间选择。这种选择策略直接导致了子问题的最优解，可以很自然地推导出全局最优解。

二、贪心算法的解题思路

2.1 一般步骤

在使用贪心算法解决问题时，可以遵循以下步骤：

定义选择对象和标准：
- 确定需要贪心选择的元素；
- 明确选择的优先级。
构建决策过程：
- 基于选择标准，逐步构建解。
验证并调整：
- 检查当前选择是否满足问题要求；
- 如不满足，进行必要的调整。

2.2 贪心算法的优化策略

虽然贪心算法本身简单，但常常需要优化以提高效率。以下是一些常用的优化策略：

选择顺序优化：对选择对象进行排序，使选择更有效。
状态压缩：用数据结构存储中间结果，避免重复计算。
剪枝：在选择过程中，若发现某条路径不可能产生有效解，及时跳过。

三、贪心算法的实际应用

通过几个经典的例子来更好地理解贪心算法的应用。

3.1 分发饼干

问题描述：

给定孩子的胃口数组和饼干数组，尽可能满足更多孩子。

解题思路：

确定选择对象和范围：
- 对象：孩子的胃口、饼干大小；
- 范围：按大小进行排序。
设定判断条件：
- 当前饼干大小是否满足孩子的胃口。
遍历并验证：

class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        g.sort()  # 排序孩子的胃口
        s.sort()  # 排序饼干
        count = 0
        
        for child in g:
            if s and child <= s[0]:  # 如果当前饼干满足孩子的胃口
                count += 1
                s.pop(0)  # 分配该饼干
        return count

在此问题中，贪心算法有效地将资源分配给需求最小的个体，充分展现了贪心选择的优越性。

3.2 无重叠区间

问题描述：

找出最少需要移除的区间数，使剩下的区间互不重叠。

解题思路：

选择对象和范围：
- 对象：区间集合；
- 范围：按结束时间排序。
设定判断条件：
- 当前区间是否与已选择区间重叠。
遍历并验证：

class Solution:
    def eraseOverlapIntervals(self, intervals: List[List[int]]) -> int:
        intervals.sort(key=lambda x: x[1])  # 按结束时间排序
        end, count = float('-inf'), 0
        
        for interval in intervals:
            if interval[0] >= end:  # 没有重叠
                end = interval[1]  # 更新结束时间
            else:
                count += 1  # 需要移除的区间数加1
        return count