贪心算法篇——万千抉择中的唯一考量，最优解追寻的跬步累积（3）-CSDN博客

本文链接：https://blog.csdn.net/2303_81060385/article/details/146616745

引言

初篇我们介绍了贪心算法的相关背景知识，本篇我们将结合具体题目，进一步深化大家对于贪心算法的理解和运用。

一、最长递增子序列

1.1 题目链接：https://leetcode.cn/problems/longest-increasing-subsequence/description/

1.2 题目分析：

给你一个整数数组 nums ，找到其中最长严格递增子序列的长度。
子序列 是由子数组派生而来的序列，删除（或不删除）数组中的元素而不改变其余元素的顺序。
例如，[3,6,2,7] 是数组 [0,3,1,6,2,2,7] 的子序列。
也就是说，子序列不要求严格连续

1.3 思路讲解：

我们在考虑最⻓递增⼦序列的⻓度的时候，其实并不关⼼这个序列⻓什么样⼦，我们只是关⼼最后
⼀个元素是谁。这样新来⼀个元素之后，我们就可以判断是否可以拼接到它的后⾯。

因此，我们可以创建⼀个数组，统计⻓度为 x 的递增⼦序列中，最后⼀个元素是谁。为了尽可能
的让这个序列更⻓，我们仅需统计⻓度为 x 的所有递增序列中最后⼀个元素的「最⼩值」。
统计的过程中发现，数组中的数呈现「递增」趋势，因此可以使⽤「⼆分」来查找插⼊位置。

1.4 代码实现：

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int n=nums.size();
        vector<int> ret;
        ret.push_back(nums[0]);
        for(int i=1;i<n;i++)
        {
            if(nums[i]>ret.back())
            {
                ret.push_back(nums[i]);
            }//满足递增条件，直接插入
            else
            //二分查找插入位置
            {
                int left=0,right=ret.size()-1;
                while(left<right)
                {
                int mid=(left+right)/2;
                if(ret[mid]<nums[i])
                {
                    left=mid+1;
                }
                else
                {
                    right=mid;
                }
                }
                ret[left]=nums[i];//放在left位置上
                

            }
        }
        return ret.size();
    }
};

二、递增的三元子序列

2.1 题目链接：https://leetcode.cn/problems/increasing-triplet-subsequence/description/

2.2 题目分析：

给你一个整数数组 nums ，判断这个数组中是否存在长度为 3 的递增子序列。
如果存在这样的三元组下标 (i, j, k) 且满足 i < j < k ，使得 nums[i] < nums[j] < nums[k] ，返回 true ；否则，返回 false 。

2.3 思路讲解：

最⻓递增⼦序列的简化版。
不⽤⼀个数组存数据，仅需两个变量即可。也不⽤⼆分插⼊位置，仅需两次⽐较就可以找到插⼊位
置。

首先将a初始化为nums[0]，b初始化为INT_MAX，之后逐个遍历数组
如果nums[i]>b，说明一定存在，直接返回即可
如果nums[i]>a，令b=nums[i]，保持a->b的递增关系
如果nums[i]<a，令a=nums[i]，贪心策略（更小的值充当递增序列的最小值，更容易匹配到可能存在的递增序列）

2.4 代码实现：

class Solution {
public:
    bool increasingTriplet(vector<int>& nums) {
        int a=nums[0],b=INT_MAX;
        for(int i=1;i<nums.size();i++)
        {
            if(nums[i]>b) return true;
            else if(nums[i]>a) b=nums[i];//更新b的值
            else if(nums[i]<a) a=nums[i];//更新a的值
        }
        return false;//说明不存在
        
    }
};

三、最长连续递增子序列

3.1 题目链接：https://leetcode.cn/problems/longest-continuous-increasing-subsequence/description/

3.2 题目分析：

给定一个未经排序的整数数组，找到最长且连续递增的子序列，并返回该序列的长度。
该子序列内，元素必须是相邻的

3.3 思路讲解：

本题可以通过双指针进行贪心优化。

贪⼼策略：
找到以某个位置为起点的最⻓连续递增序列之后（设这个序列的末尾为 j 位置），接下来直接
以 j + 1 的位置为起点寻找下⼀个最⻓连续递增序列。

3.4 代码实现：

class Solution {
public:
    int findLengthOfLCIS(vector<int>& nums) {
        int n=nums.size();
        int ret=0;//最终返回长度
        for(int i=0;i<n;)
        {
            int j=i+1;
            while(j<n && nums[j]>nums[j-1]) //处于连续递增之中
            {
                j++;
            }
            ret=max(ret,j-i);//更新最大长度
            i=j;//更新起点
        }
        return ret;
        
    }
};

四、买卖股票的最佳时机

4.1 题目链接：https://leetcode.cn/problems/best-time-to-buy-and-sell-stock/description/

4.2 题目分析：

给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。
你只能选择某一天买入这只股票，并选择在未来的某一个不同的日子卖出该股票。
返回你可以从这笔交易中获取的最大利润。如果你不能获取任何利润，返回 0 。

4.3 思路讲解：

需要注意：本题中只能交易一次（即只能买入和卖出各一次）

贪心策略：

由于只能交易⼀次，所以对于某⼀个位置 i ，要想获得最⼤利润，仅需知道前⾯所有元素的最⼩
值。然后在最⼩值的位置「买⼊」股票，在当前位置「卖出」股票即可。
记录在不同位置卖出时的最大值，最后直接返回该最大利润即可

4.4 代码实现：

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int ret=0;//处理不能获取利润的情况
        int prev=INT_MAX;//前缀最小值
        for(int i=0;i<prices.size();i++)
        {
            ret=max(ret,prices[i]-prev);
            prev=min(prev,prices[i]);
        }
        return ret;
    }
};