一、什么是贪心算法
贪心算法:一种在每次决策时,总是采取在当前状态下的最好选择,从而希望导致结果是最好或最优的算法。
它常以当前情况为基础做最优选择而不考虑各种可能的整体情况,总是做出在房前看来是最好的选择,从而省去了为找到最优解要穷举所有可能所必须耗费的大量时间。所以贪心算法不需要回溯。
贪心算法在每一判定步上,都能得到一个局部最优解,但由此产生的全局解有时不一定是最优的,所以说,贪心算法不是对所有问题都能得到全局最优解。
二、使用贪心算法解决的问题需具备的特征
一般来说,这些能够使用贪心算法解决的问题必须满足下面的两个特征:
1. 贪心选择性质
贪心选择的性质:指所求问题的整体最优解可以通过一系列局部最优的选择,即贪心选择得到。
贪心算法采用自顶向下,以迭代的方式做出相继的贪心选择,每做一次贪心选择就将所求问题化简为一个规模更小的子问题。对于一个具体问题,要确定它是都具有贪心选择的性质,必须证明每一步所做的贪心选择最终导致问题的最优解。
通常可以首先证明问题的一个整体最优解,是从贪心选则开始的,而且做了贪心选择后,原问题简化为一个规模更小的类似子问题。然后,用数学归纳法证明,通过每一步做贪心选择,最终可得到问题的一个整体最优解,
2. 最优子结构
最优子结构指的是一个问题的最优解包含其子问题的最优解。
举个例子,原问题 S={a1,a2,a3,a4},在 a1步我们通过贪心选择选出一个当前最优解之后,问题就转换为求解子问题 S子问题={a2,a3,a4}。如果原问题 S 的最优解可以由「第a1步通过贪心选择的局部最优解」和「 S子问题 的最优解」构成,则说明该问题满足最优子结构性质。
也就是说,如果原问题的最优解包含子问题的最优解,则说明该问题满足最优子结构性质。
三、贪心算法的三步走
1. 转换问题:将优化问题转换为具有贪心选择性质的问题,即先做出选择,再解决剩下的一个子问题。
2. 贪心选择性质:根据题意选择一种度量标准,制定贪心策略,选取当前状态下「最好 / 最优选择」,从而得到局部最优解。
3. 最优子结构性质:根据上一步制定的贪心策略,将贪心选择的局部最优解和子问题的最优解合并起来,得到原问题的最优解。
四、贪心算法的应用
题目内容:
假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。
对每个孩子 i
,都有一个胃口值 g[i]
,这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j
,都有一个尺寸 s[j]
。如果 s[j] >= g[i]
,我们可以将这个饼干 j
分配给孩子 i
,这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子,并输出这个最大数值。
题目示例:
输入: g = [1,2,3], s = [1,1] 输出: 1 解释: 你有三个孩子和两块小饼干,3个孩子的胃口值分别是:1,2,3。 虽然你有两块小饼干,由于他们的尺寸都是1,你只能让胃口值是1的孩子满足。 所以你应该输出1。
解题思路:
转换问题:将原问题转变为,当胃口最小的孩子选择完满足这个孩子的胃口且尺寸最小的饼干之后,再解决剩下孩子的选择问题(子问题)。
贪心选择性质:对于当前孩子,用尺寸尽可能小的饼干满足这个孩子的胃口。
最优子结构性质:在上面的贪心策略下,当前孩子的贪心选择 + 剩下孩子的子问题最优解,就是全局最优解。也就是说在贪心选择的方案下,能够使得满足胃口的孩子数量达到最大。
代码如下:
class Solution {
// 贪心
public int findContentChildren(int[] g , int[] s) {
// 将孩子们的胃口值按照从小到大的顺序排列
// 优先满足胃口小的孩子
Arrays.sort(g);
// 将饼干按照从小到大的顺序排列
Arrays.sort(s);
// child代表g的下标,即表示有多少孩子的胃口得到满足
int child = 0;
// cookie代表s的下标,即表示目前有多少饼干被使用了
int cookie = 0;
// 遍历所有的饼干
// 遍历过后饼干只有两种状态
// 要么找到了需要这个饼干的孩子
// 要么剩下的孩子中,胃口值最低的孩子都大于这个饼干的值,那么这个饼干没人要
while(cookie < s.length && child < g.length) {
// 孩子的胃口得到了满足
if(s[cookie] >= g[child]) {
// 得到满足的孩子数量加1
child++;
}
// 查看下一个饼干能否找到需要的孩子
cookie++;
}
// 最后返回孩子数量
return child;
}
}