贪心算法与例题讲解

贪心算法

Gary哥哥的哥哥 2021.4.4

• 下面题目都有对应的leetcode连接
• 所有代码同步到我的github仓库 代码

算法解释

顾名思义，贪心算法或贪心思想采用贪心的策略，保证每次操作都是局部最优的，从而使最
后得到的结果是全局最优的。
举一个最简单的例子：小明和小王喜欢吃苹果，小明可以吃五个，小王可以吃三个。已知苹
果园里有吃不完的苹果，求小明和小王一共最多吃多少个苹果。在这个例子中，我们可以选用的
贪心策略为，每个人吃自己能吃的最多数量的苹果，这在每个人身上都是局部最优的。又因为全
局结果是局部结果的简单求和，且局部结果互不相干，因此局部最优的策略也同样是全局最优的
策略。

455 分发饼干

很简单的贪心题目
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。

示例 1:

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。

示例 2:

输入: g = [1,2], s = [1,2,3]
输出: 2
解释:
你有两个孩子和三块小饼干，2个孩子的胃口值分别是1,2。
你拥有的饼干数量和尺寸都足以让所有孩子满足。
所以你应该输出2.

提示：

1 <= g.length <= 3 * 104
0 <= s.length <= 3 * 104
1 <= g[i], s[j] <= 231 - 1

• 因为饥饿度最小的那个孩子最容易吃饱，因此我们应当先考虑这个孩子
• 为了使尽量多的孩子吃饱，我们应当把剩下的饼干可以满足饥饿度更大的孩子
• 把大于等于这个孩子饥饿度的，且大小最小的饼干分配给这个孩子

这里的贪心策略简而言之就是剩余孩子中最小饥饿度的孩子分配最小的能吃饱的面包即可

class Solution {
public:
    int findContentChildren(vector<int>& children, vector<int>& cookies) {
sort(children.begin(),children.end());
    sort(cookies.begin(),cookies.end());
    int child = 0;
    int cookie = 0;
    while (child<children.size()&&cookie<cookies.size())
    {
        if(children[child]<=cookies[cookie]) ++child;
        ++cookie;
    }
    return child;
}
};

135 分发糖果

老师想给孩子们分发糖果，有 N 个孩子站成了一条直线，老师会根据每个孩子的表现，预先给他们评分。

你需要按照以下要求，帮助老师给这些孩子分发糖果：

每个孩子至少分配到 1 个糖果。
评分更高的孩子必须比他两侧的邻位孩子获得更多的糖果。

那么这样下来，老师至少需要准备多少颗糖果呢？

示例 1：

输入：[1,0,2]
输出：5
解释：你可以分别给这三个孩子分发 2、1、2 颗糖果。

示例 2：

输入：[1,2,2]
输出：4
解释：你可以分别给这三个孩子分发 1、2、1 颗糖果。
第三个孩子只得到 1 颗糖果，这已满足上述两个条件。

• 这个题目看出来，贪心策略不一定是排序或者是选择
• 这条题目只要从左到右，从右到左遍历一遍就行：
  • 每个孩子初始化为1，从左到右，发现前面一个孩子评分比他低的就+1
  • 右边同理即可

public:
int candy(vector <int>& ratings)
{
    int size = ratings.size();
    if(size<2)
    {
        return size;
    }
    //全部初始化为一个
    vector<int> num(size,1);
    //左->右
    for(int i=1;i<size;++i){
        if(ratings[i]>ratings[i-1])
            num[i]=num[i-1]+1;
    }

//右->左
    for(int i = size-1;i>0;--i)
    {
        if(ratings[i]<ratings[i-1])
            num[i-1]=max(num[i-1],num[i]+1);
    }
    //求和函数
    return accumulate(num.begin(),num.end(),0);
}

435 无重叠区间

给定一个区间的集合，找到需要移除区间的最小数量，使剩余区间互不重叠。

注意:

可以认为区间的终点总是大于它的起点。
区间 [1,2] 和 [2,3] 的边界相互“接触”，但没有相互重叠。

示例 1:

输入: [ [1,2], [2,3], [3,4], [1,3] ]

输出: 1

解释: 移除 [1,3] 后，剩下的区间没有重叠。

示例 2:

输入: [ [1,2], [1,2], [1,2] ]

输出: 2

解释: 你需要移除两个 [1,2] 来使剩下的区间没有重叠。

示例 3:

输入: [ [1,2], [2,3] ]

输出: 0

解释: 你不需要移除任何区间，因为它们已经是无重叠的了。

题解：

• 在选择要保留区间时，区间的结尾十分重要：选择的区间结尾越小，余留给其它区间的空间

就越大，就越能保留更多的区间。因此，我们采取的贪心策略为，优先保留结尾小且不相交的区

间。

• 具体实现方法为，先把区间按照结尾的大小进行增序排序，每次选择结尾最小且和前一个选

择的区间不重叠的区间。我们这里使用 C++ 的 Lambda，结合 std::sort() 函数进行自定义排

序。

• 在样例中，排序后的数组为 [[1,2], [1,3], [2,4]]。按照我们的贪心策略，首先初始化为区间

[1,2]；由于 [1,3] 与 [1,2] 相交，我们跳过该区间；由于 [2,4] 与 [1,2] 不相交，我们将其保留。因

此最终保留的区间为 [[1,2], [2,4]]。

int eraseOverlapIntervals(vector<vector<int>>& intervals){
    if(intervals.empty()){
        return 0;
    }
    int n = intervals.size();
    sort(intervals.begin(),intervals.end(),[](vector<int>&a,vector<int>&b){
        return a[1]<b[1];
    });

    int total = 0 ;
    int prev = intervals[0][1];
    for(int i=1;i<n;++i){
        //开始还早过前一个的结尾的
        if(intervals[i][0]<prev)
        {
            ++total;
        }
        else
        {
            prev = intervals[i][1];
        }    
    }
    return total;
}

605. 种花问题

假设有一个很长的花坛，一部分地块种植了花，另一部分却没有。可是，花不能种植在相邻的地块上，它们会争夺水源，两者都会死去。

给你一个整数数组 flowerbed 表示花坛，由若干 0 和 1 组成，其中 0 表示没种植花，1 表示种植了花。另有一个数 n ，能否在不打破种植规则的情况下种入 n 朵花？能则返回 true ，不能则返回 false。

示例 1：

输入：flowerbed = [1,0,0,0,1], n = 1
输出：true

示例 2：

输入：flowerbed = [1,0,0,0,1], n = 2
输出：false

提示：

1 <= flowerbed.length <= 2 * 104
flowerbed[i] 为 0 或 1
flowerbed 中不存在相邻的两朵花
0 <= n <= flowerbed.length

下面我们提供一种更加快捷的贪心方法，跳两格来寻找

//贪心，我们优化一下每次跳两个格来做
//因为如果遇到1,那么下一格子一定是0，这是毋庸置疑的（规则限定），所以如果遇到最后一个格子，或者下个格子不是1，果断填充
bool canPlaceFlowers(vector<int>& flowerbed, int num) 
{
    int most = 0;
    int n = flowerbed.size();
    //连着条两格子
    for(int i = 0 ;i<n; i+=2)
    {
        if(num<=0)
            return true;
        //当前为空地的时候
        if(flowerbed[i]==0)
        {
            //最后一格子或者下一个格子为空
            if(i==n-1||flowerbed[i+1]==0)
                num--;
            else
            {
                i++;
            }
            
        }
    }
    return num<=0;
}

452. 用最少数量的箭引爆气球

在二维空间中有许多球形的气球。对于每个气球，提供的输入是水平方向上，气球直径的开始和结束坐标。由于它是水平的，所以纵坐标并不重要，因此只要知道开始和结束的横坐标就足够了。开始坐标总是小于结束坐标。

一支弓箭可以沿着 x 轴从不同点完全垂直地射出。在坐标 x 处射出一支箭，若有一个气球的直径的开始和结束坐标为 xstart，xend， 且满足 xstart ≤ x ≤ xend，则该气球会被引爆。可以射出的弓箭的数量没有限制。 弓箭一旦被射出之后，可以无限地前进。我们想找到使得所有气球全部被引爆，所需的弓箭的最小数量。

给你一个数组 points ，其中 points [i] = [xstart,xend] ，返回引爆所有气球所必须射出的最小弓箭数。

示例 1：

输入：points = [[10,16],[2,8],[1,6],[7,12]]
输出：2
解释：对于该样例，x = 6 可以射爆 [2,8],[1,6] 两个气球，以及 x = 11 射爆另外两个气球

示例 2：

输入：points = [[1,2],[3,4],[5,6],[7,8]]
输出：4

示例 3：

输入：points = [[1,2],[2,3],[3,4],[4,5]]
输出：2

示例 4：

输入：points = [[1,2]]
输出：1

示例 5：

输入：points = [[2,3],[2,3]]
输出：1

提示：

0 <= points.length <= 10^4
points[i].length == 2
-2^31 <= xstart < xend <= 2^31 - 1

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/minimum-number-of-arrows-to-burst-balloons
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

有一说一，这条题目看起来好像很好想，但做起来就不一定了

我把官方的题解放上来吧：

方法一：排序 + 贪心

思路与算法

我们首先随机地射出一支箭，再看一看是否能够调整这支箭地射出位置，使得我们可以引爆更多数目的气球。

fig1

如图 1-1 所示，我们随机射出一支箭，引爆了除红色气球以外的所有气球。我们称所有引爆的气球为「原本引爆的气球」，其余的气球为「原本完好的气球」。可以发现，如果我们将这支箭的射出位置稍微往右移动一点，那么我们就有机会引爆红色气球，如图 1-2 所示。

那么我们最远可以将这支箭往右移动多远呢？我们唯一的要求就是：原本引爆的气球只要仍然被引爆就行了。这样一来，我们找出原本引爆的气球中右边界位置最靠左的那一个，将这支箭的射出位置移动到这个右边界位置，这也是最远可以往右移动到的位置：如图 1-3 所示，只要我们再往右移动一点点，这个气球就无法被引爆了。

为什么「原本引爆的气球仍然被引爆」是唯一的要求？别急，往下看就能看到其精妙所在。

因此，我们可以断定：

一定存在一种最优（射出的箭数最小）的方法，使得每一支箭的射出位置都恰好对应着某一个气球的右边界。

这是为什么？我们考虑任意一种最优的方法，对于其中的任意一支箭，我们都通过上面描述的方法，将这支箭的位置移动到它对应的「原本引爆的气球中最靠左的右边界位置」，那么这些原本引爆的气球仍然被引爆。这样一来，所有的气球仍然都会被引爆，并且每一支箭的射出位置都恰好位于某一个气球的右边界了。

有了这样一个有用的断定，我们就可以快速得到一种最优的方法了。考虑所有气球中右边界位置最靠左的那一个，那么一定有一支箭的射出位置就是它的右边界（否则就没有箭可以将其引爆了）。当我们确定了一支箭之后，我们就可以将这支箭引爆的所有气球移除，并从剩下未被引爆的气球中，再选择右边界位置最靠左的那一个，确定下一支箭，直到所有的气球都被引爆。

我们可以写出如下的伪代码：

let points := [[x(0), y(0)], [x(1), y(1)], … [x(n-1), y(n-1)]]，表示 n 个气球
let burst := [false] * n，表示每个气球是否被引爆
let ans := 0，表示射出的箭数

将 points 按照 y 值（右边界）进行升序排序

while burst 中还有 false 值 do
let i := 最小的满足 burst[i] = false 的索引 i
for j := i to n-1 do
if x(j) <= y(i) then
burst[j] := true
end if
end for
end while

return ans

这样的做法在最坏情况下时间复杂度是 O(n2)O(n^2)O(n2)，即这 nnn 个气球对应的区间互不重叠，while\texttt{while}while 循环需要执行 nnn 次。那么我们如何继续进行优化呢？

事实上，在内层的 jjj 循环中，当我们遇到第一个不满足 x(j)≤y(i)x(j) \leq y(i)x(j)≤y(i) 的 jjj 值，就可以直接跳出循环，并且这个 y(j)y(j)y(j) 就是下一支箭的射出位置。为什么这样做是对的呢？我们考虑某一支箭的索引 iti_tit 以及它的下一支箭的索引 jtj_tjt，对于索引在 jtj_tjt 之后的任意一个可以被 iti_tit 引爆的气球，记索引为 j0j_0j0，有：

x(j0)≤y(it)x(j_0) \leq y(i_t) x(j0)≤y(it)

由于 y(it)≤y(jt)y(i_t) \leq y(j_t)y(it)≤y(jt) 显然成立，那么

x(j0)≤y(jt)x(j_0) \leq y(j_t) x(j0)≤y(jt)

也成立，也就是说：当前这支箭在索引 jtj_tjt（第一个无法引爆的气球）之后所有可以引爆的气球，下一支箭也都可以引爆。因此我们就证明了其正确性，也就可以写出如下的伪代码：

let points := [[x(0), y(0)], [x(1), y(1)], … [x(n-1), y(n-1)]]，表示 n 个气球
let pos := y(0)，表示当前箭的射出位置
let ans := 0，表示射出的箭数

将 points 按照 y 值（右边界）进行升序排序

for i := 1 to n-1 do
if x(i) > pos then
ans := ans + 1
pos := y(i)
end if
end for

return ans

这样就可以将计算答案的时间从 O(n2)O(n^2)O(n2) 降低至 O(n)O(n)O(n)。

int findMinArrowShots(vector<vector<int>>& points) {
        int arrow = 0;
        if (points.empty()) 
        {
            return arrow;
        }
        sort(points.begin(), points.end(),[](const vector<int>& a, const vector<int>& b){return a[1]<b[1];});
        int pos = points[0][1];
        arrow++;
        for(const vector<int>& ballnoon : points){
            if(ballnoon[0] > pos){
                pos = ballnoon[1];
                arrow++;
            }
        }
        return arrow;
    }

763. 划分字母区间

字符串 S 由小写字母组成。我们要把这个字符串划分为尽可能多的片段，同一字母最多出现在一个片段中。返回一个表示每个字符串片段的长度的列表。

示例：

输入：S = “ababcbacadefegdehijhklij”
输出：[9,7,8]
解释：
划分结果为 “ababcbaca”, “defegde”, “hijhklij”。
每个字母最多出现在一个片段中。
像 “ababcbacadefegde”, “hijhklij” 的划分是错误的，因为划分的片段数较少。

提示：

S的长度在[1, 500]之间。
S只包含小写字母 'a' 到 'z' 。

题解

由于同一个字母只能出现在同一个片段，显然同一个字母的第一次出现的下标位置和最后一次出现的下标位置必须出现在同一个片段。因此需要遍历字符串，得到每个字母最后一次出现的下标位置。

在得到每个字母最后一次出现的下标位置之后，可以使用贪心的方法将字符串划分为尽可能多的片段，具体做法如下。

• 从左到右遍历字符串，遍历的同时维护当前片段的开始下标 和结束下标 ，初始时 start = end =0。

• 对于每个访问到的字母 c，得到当前字母的最后一次出现的下标位置 endc，因此令 end = max(end, endc)。

• 当访问到下标 end时，当前片段访问结束，当前片段的下标范围是 [start,end][\textit{start},\textit{end}][start,end]，长度为 end-start+1，将当前片段的长度添加到返回值，然后令 start=end+1，继续寻找下一个片段。

重复上述过程，直到遍历完字符串。

上述做法使用贪心的思想寻找每个片段可能的最小结束下标，因此可以保证每个片段的长度一定是符合要求的最短长度，如果取更短的片段，则一定会出现同一个字母出现在多个片段中的情况。由于每次取的片段都是符合要求的最短的片段，因此得到的片段数也是最多的。

由于每个片段访问结束的标志是访问到下标 end，因此对于每个片段，可以保证当前片段中的每个字母都一定在当前片段中，不可能出现在其他片段，可以保证同一个字母只会出现在同一个片段。

vector<int> partitionLabels(string S) {
        int last[26];
        int len = S.size();
        for (int i = 0; i < len; ++i)
        {
            last[S[i]-'a'] = i; 
        }

        vector<int> partition;
        int start =  0, end = 0;
        for(int i = 0; i < len; ++i){
            end = max(end, last[S[i] - 'a']);
            if(i == end){
                partition.push_back(end - start + 1);
                start = end +1;
            }
        }
        return partition;
    }

122. 买卖股票的最佳时机 II

给定一个数组，它的第 i 个元素是一支给定股票第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。
因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例 3:

输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。

提示：

1 <= prices.length <= 3 * 10 ^ 4
0 <= prices[i] <= 10 ^ 4

由于股票的购买没有限制，因此整个问题等价于寻找x 个不相交的区间 使得如下的等式最大化

这条题目使用贪心算法求解，关键就在于理解题目的实质含义，当然这条题目给我第一直观的感觉就是DP，也可以用DP来做。

需要说明的是，贪心算法只能用于计算最大利润，计算的过程并不是实际的交易过程。

int maxProfit(vector<int>& prices) {   
       int sum = 0;
       int n = prices.size();
       for(int i = 1; i < n; ++i)
       {
           sum += max(0, prices[i] - prices[i-1]); 
       }
       return sum;
    }

O（n）

406. 根据身高重建队列

假设有打乱顺序的一群人站成一个队列，数组 people 表示队列中一些人的属性（不一定按顺序）。每个 people[i] = [hi, ki] 表示第 i 个人的身高为 hi ，前面 正好 有 ki 个身高大于或等于 hi 的人。

请你重新构造并返回输入数组 people 所表示的队列。返回的队列应该格式化为数组 queue ，其中 queue[j] = [hj, kj] 是队列中第 j 个人的属性（queue[0] 是排在队列前面的人）。

示例 1：

输入：people = [[7,0],[4,4],[7,1],[5,0],[6,1],[5,2]]
输出：[[5,0],[7,0],[5,2],[6,1],[4,4],[7,1]]
解释：
编号为 0 的人身高为 5 ，没有身高更高或者相同的人排在他前面。
编号为 1 的人身高为 7 ，没有身高更高或者相同的人排在他前面。
编号为 2 的人身高为 5 ，有 2 个身高更高或者相同的人排在他前面，即编号为 0 和 1 的人。
编号为 3 的人身高为 6 ，有 1 个身高更高或者相同的人排在他前面，即编号为 1 的人。
编号为 4 的人身高为 4 ，有 4 个身高更高或者相同的人排在他前面，即编号为 0、1、2、3 的人。
编号为 5 的人身高为 7 ，有 1 个身高更高或者相同的人排在他前面，即编号为 1 的人。
因此 [[5,0],[7,0],[5,2],[6,1],[4,4],[7,1]] 是重新构造后的队列。

示例 2：

输入：people = [[6,0],[5,0],[4,0],[3,2],[2,2],[1,4]]
输出：[[4,0],[5,0],[2,2],[3,2],[1,4],[6,0]]

提示：

1 <= people.length <= 2000
0 <= hi <= 10^6
0 <= ki < people.length
题目数据确保队列可以被重建

从高到低考虑

思路与算法

同样地，我们也可以将每个人按照身高从大到小进行排序，处理身高相同的人使用的方法类似，即：按照 hih_ihi 为第一关键字降序，kik_iki 为第二关键字升序进行排序。如果我们按照排完序后的顺序，依次将每个人放入队列中，那么当我们放入第 iii 个人时：

第 0,⋯ ,i−1 个人已经在队列中被安排了位置，他们只要站在第 i 个人的前面，就会对第 i 个人产生影响，因为他们都比第 i 个人高；

而第 i+1,n−1 个人还没有被放入队列中，并且他们无论站在哪里，对第 i 个人都没有任何影响，因为他们都比第 i 个人矮。

在这种情况下，我们无从得知应该给后面的人安排多少个「空」位置，因此就不能沿用方法一。但我们可以发现，后面的人既然不会对第 i个人造成影响，我们可以采用「插空」的方法，依次给每一个人在当前的队列中选择一个插入的位置。也就是说，当我们放入第 i 个人时，只需要将其插入队列中，使得他的前面恰好有 ki 个人即可。

vector<vector<int>> reconstructQueue(vector<vector<int>>& people) {
    int len = people.size();
    vector<vector<int>> heightQueue;
    sort(people.begin(), people.end(),[](const vector<int>& a, const vector<int>& b){
        return a[0] > b[0] || (a[1] < b[1] && a[0] == b[0]);
    });
    for (const vector<int>& person : people) {
        heightQueue.insert(heightQueue.begin() + person[1], person);
    }
    return heightQueue;
}

665. 非递减数列

给你一个长度为 n 的整数数组，请你判断在 最多 改变 1 个元素的情况下，该数组能否变成一个非递减数列。

我们是这样定义一个非递减数列的： 对于数组中任意的 i (0 <= i <= n-2)，总满足 nums[i] <= nums[i + 1]。

示例 1:

输入: nums = [4,2,3]
输出: true
解释: 你可以通过把第一个4变成1来使得它成为一个非递减数列。

示例 2:

输入: nums = [4,2,1]
输出: false
解释: 你不能在只改变一个元素的情况下将其变为非递减数列。

提示：

1 <= n <= 10 ^ 4
- 10 ^ 5 <= nums[i] <= 10 ^ 5

这条题目看起来非常简单，但暗里藏刀呀，考虑要齐全

面的代码多次遍历了 nums\textit{nums}nums 数组，能否只遍历一次呢？

修改 nums[i] 为nums[i+1] 后，还需要保证 nums[i−1]≤nums[i]仍然成立，即 nums[i−1]≤nums[i+1]，若该不等式不成立则整个数组必然不是非递减的，则需要修改 nums[i+1] 为 nums[i]。修改完后，接着判断后续数字的大小关系。在遍历中统计 nums[i]>nums[i+1] 的次数，若超过一次可以直接返回 false

对应下面两种情况

 bool checkPossibility(vector<int> &nums) {
        int n = nums.size(), cnt = 0;
        for (int i = 0; i < n - 1; ++i) {
            int x = nums[i], y = nums[i + 1];
            if (x > y) {
                cnt++;
                if (cnt > 1) {
                    return false;
                }
                if (i > 0 && y < nums[i - 1]) {
                    nums[i + 1] = x;
                }
            }
        }
        return true;
    }

完更