算法训练Day31&32--贪心算法初步

2023年4月2日

#贪心的理论基础

        大道至简，局部最优推出全局最优，有时候并不需要严格的数学证明，只要有局部最优推全局最优，并且找不到明显的反例，这时候就可以考虑采用贪心算法解决问题。

        贪心算法并没有明显的套路，它不像回溯算法那样，有一套具体的代码思路和解题套路，所以第一次过的时候就需要多见，多想，多看。

#分发饼干 Loading Question... - 力扣（LeetCode）

        这道题就是贪心的典型应用，由于一个饼干只能给一个人，就是比如我的饼干是6，人的胃口是5，它只会全部给他，并不会说剩1个，所以我只需要从大到小或者从小到大进行“一一满足”，按照这种思路就能解决此问题。

// 版本一 
// 时间复杂度：O(nlogn)
// 空间复杂度：O(1)
class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(), g.end());
        sort(s.begin(), s.end());
        int index = s.size() - 1; // 饼干数组的下标
        int result = 0;
        for (int i = g.size() - 1; i >= 0; i--) { // 遍历胃口 
            if (index >= 0 && s[index] >= g[i]) { // 遍历饼干 
                result++;
                index--;
            }
        }
        return result;
    }
};

        下面是从小到大

class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(),g.end());
        sort(s.begin(),s.end());
        int index = 0;
        for(int i = 0; i < s.size(); i++) { // 饼干
            if(index < g.size() && g[index] <= s[i]){ // 胃口
                index++;
            }
        }
        return index;
    }
};

#摆动序列 Loading Question... - 力扣（LeetCode）

        首先，需要知道到底什么样的情况才算摆动，就是前一个数的差分和后一个数的差分是一个正一个负，这样才叫摆动。这时候就出现了第二个问题，相同的数怎么办？即出现“平路”怎么办。很明显“平路”是不算作摆动序列的，这时候又出现了新的两种情况，一种是上--平--下的情况，一种是上--平--上的情况。

        对于第一种情况，我们对于平路只需要“保留”最后一个数，无论是只算结果还是删除数字，都只算最后一个，这样得到的结果可以算作是摆动序列。而对于第二种情况，就需要考虑多一步，当我遇到摆动的时候，我再更新我的答案

        这道题有点晦涩难懂，建议明天再学一遍。

// 版本二 
class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        if (nums.size() <= 1) return nums.size();
        int curDiff = 0; // 当前一对差值
        int preDiff = 0; // 前一对差值
        int result = 1;  // 记录峰值个数，序列默认序列最右边有一个峰值
        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)) {
                result++;
                preDiff = curDiff; // 注意这里，只在摆动变化的时候更新prediff 
            }
        }
        return result;
    }
};

#最大子序和 Loading Question... - 力扣（LeetCode）

        首先给出的是暴力解法，双for循环，相当于算每个子序列的和，第一个for循环用来控制起点，然后每次循环的时候初始化count，第二个for循环用来记录子序列的和，count+=nums[j]用来记录和，然后不断更新

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int result = INT32_MIN;
        int count = 0;
        for (int i = 0; i < nums.size(); i++) { // 设置起始位置
            count = 0;
            for (int j = i; j < nums.size(); j++) { // 每次从起始位置i开始遍历寻找最大值
                count += nums[j];
                result = count > result ? count : result;
            }
        }
        return result;
    }
};

        采用贪心算法的话，就是当我的子序列的和<0的话，我直接不要了，从下一个数作为起点重新来计算子序列的和。通过这种方式来不断计算结果，当我的子序列的和<0之后，我直接从下一个作为起点重新开始，这样相当于“剪枝”，能减少循环次数，而且起到了贪心的作用。

        我觉得这道题的思路精髓就是这个子序列和<0的思考，自己想的话估计想不到

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int result = INT32_MIN;
        int count = 0;
        for (int i = 0; i < nums.size(); i++) {
            count += nums[i];
            if (count > result) { // 取区间累计的最大值（相当于不断确定最大子序终止位置）
                result = count;
            }
            if (count <= 0) count = 0; // 相当于重置最大子序起始位置，因为遇到负数一定是拉低总和
        }
        return result;
    }
};

#买卖股票的最佳时机II 122. 买卖股票的最佳时机 II - 力扣（LeetCode）

        今天先不看了，下面的都直接给结果

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int result = 0;
        for (int i = 1; i < prices.size(); i++) {
            result += max(prices[i] - prices[i - 1], 0);
        }
        return result;
    }
};

#跳跃游戏 Loading Question... - 力扣（LeetCode）

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int cover = 0;
        if (nums.size() == 1) return true; // 只有一个元素，就是能达到
        for (int i = 0; i <= cover; i++) { // 注意这里是小于等于cover
            cover = max(i + nums[i], cover);
            if (cover >= nums.size() - 1) return true; // 说明可以覆盖到终点了
        }
        return false;
    }
};

#跳跃游戏II  Loading Question... - 力扣（LeetCode）

class Solution {
public:
    int jump(vector<int>& nums) {
        if (nums.size() == 1) return 0;
        int curDistance = 0;    // 当前覆盖最远距离下标
        int ans = 0;            // 记录走的最大步数
        int nextDistance = 0;   // 下一步覆盖最远距离下标
        for (int i = 0; i < nums.size(); i++) {
            nextDistance = max(nums[i] + i, nextDistance);  // 更新下一步覆盖最远距离下标
            if (i == curDistance) {                         // 遇到当前覆盖最远距离下标
                if (curDistance < nums.size() - 1) {       // 如果当前覆盖最远距离下标不是终点
                    ans++;                                  // 需要走下一步
                    curDistance = nextDistance;             // 更新当前覆盖最远距离下标（相当于加油了）
                    if (nextDistance >= nums.size() - 1) break; // 下一步的覆盖范围已经可以达到终点，结束循环
                } else break;                               // 当前覆盖最远距到达集合终点，不用做ans++操作了，直接结束
            }
        }
        return ans;
    }
};