一 贪心算法理论基础
贪心算法的本质是从每一个阶段的局部最优达到全局最优,但贪心算法并没有固定的套路,通常是手工模拟可行就尝试下贪心算法,如果不可行,就可能用动态规划。并且,贪心有时候就是常识性的推导,所以会认为本应该就这么做!
二 455.分发饼干
饼干有大有小,但小饼干只能满足小胃口的孩子,大饼干既能满足小胃口也能满足大胃口,即大饼干的用处更多。双指针思想,若思路是,先用小饼干满足小胃口的同学,先遍历饼干;两个指针i j分别指向饼干数组和胃口数组第一个元素,若饼干满足胃口,则 i++,j++;若饼干不满足胃口,则i++;若思路是先用大饼干满足大胃口孩子,先遍历孩子胃口。
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
//先进行排序,默认升序
sort(g.begin(),g.end());
sort(s.begin(),s.end());
// 有点类似于双指针 小饼干先满足小胃口 遍历饼干
int count = 0;
for(int i = 0,j = 0; i < s.size(); i++){
if(j < g.size()&&s[i] >= g[j]){
count++;
j++;
}
}
//count和j的数值大小是相同的
return count;
}
};
三 376. 摆动序列
思路是比较简单的,剔除上下坡中的多余点,但对于有平坡和两端的处理要麻烦很多。对于上下坡中有平坡,平坡中只有一个点是计入子序列长度的,这个时候就遇到了高度差为0的情况;同时对于两端的处理时,可以认为第一个元素前面还有一个相同的元素,即二者高度差为0,遍历也只遍历到倒数第二个元素。
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
//针对 0 1 2的情况
if(nums.size() <= 1)
return nums.size();
if(nums.size() == 2){
if(nums[0] == nums[1])
return 1;
return 2;
}
int curdiff = 0;
int prediff = 0;
int ans = 1;//最边上会有一个
for (int i = 0; i < nums.size() - 1; i++) {
curdiff = nums[i + 1] - nums[i];
// 出现峰值
if ((prediff <= 0 && curdiff > 0) || (prediff >= 0 && curdiff < 0)) {
ans++;
prediff = curdiff; // 注意这里,只在摆动变化的时候更新prediff
}
}
return ans;
}
};
四 53. 最大子序和
比较经典的贪心算法题,暴力解肯定是两层遍历,分别对应起始位置和终止位置。从局部上思考,两端的局部之和如果是正的,那就可以加入全局的子序列,如果是负的,自然是舍弃的。那么从代码上考虑,因为是连续的子序列,从头遍历时,子序列的和为正,那就继续往后加,并记录当前值,因为遇到负数后面也可能遇到绝对值更大的正数。而如果子序列和为负数时,这一段就不能要了,起点就调整到下一个数上,再将子序列的和清零,重复此流程。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int sum = 0;
int maxnum = nums[0];
for(int i = 0; i < nums.size(); i++){
sum += nums[i];
maxnum = max(sum,maxnum);
if(sum < 0)
sum = 0;
}
return maxnum;
}
};
五 总结
- 贪心是从局部到最优
- 类似分发饼干这种题目会进行一对一的匹配的贪心算法题,可能会用到双指针思想。
- 类似摆动数列这种题对于特殊情况的处理要十分注意。