贪心
贪心的本质是选择每一阶段的局部最优,从而达到全局最优。
贪心算法并没有固定的套路。
如何验证可不可以用贪心算法呢? 最好用的策略就是举反例,如果想不到反例,那么就试一试贪心吧。
455.分发饼干
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。
这里的局部最优就是大饼干喂给胃口大的,充分利用饼干尺寸喂饱一个,全局最优就是喂饱尽可能多的小孩。
public int findContentChildren(int[] g, int[] s) {
Arrays.sort(g);
Arrays.sort(s);
int i=g.length-1, j=s.length-1;
int count = 0;
while(i>=0 && j>=0){
if(s[j]>=g[i]){
count++;
j--;
}
i--;
}
return count;
}
376. 摆动序列
如果连续数字之间的差严格地在正数和负数之间交替,则数字序列称为摆动序列。第一个差(如果存在的话)可能是正数或负数。少于两个元素的序列也是摆动序列。
例如, [1,7,4,9,2,5] 是一个摆动序列,因为差值 (6,-3,5,-7,3) 是正负交替出现的。相反, [1,4,7,2,5] 和 [1,7,4,5,5] 不是摆动序列,第一个序列是因为它的前两个差值都是正数,第二个序列是因为它的最后一个差值为零。
给定一个整数序列,返回作为摆动序列的最长子序列的长度。 通过从原始序列中删除一些(也可以不删除)元素来获得子序列,剩下的元素保持其原始顺序。
53. 最大子序和
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
局部最优:当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小。
全局最优:选取最大“连续和”
局部最优的情况下,并记录最大的“连续和”,可以推出全局最优。
public int maxSubArray(int[] nums) {
int sum = 0, max=nums[0];
for(int j=0;j<nums.length;j++){
// sum+nums[j]<nums[j] ==> sum<0
sum = sum<0?nums[j]:sum+nums[j];
max = Math.max(max,sum);
}
return max;
}
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)。
局部最优:收集每天的正利润,全局最优:求得最大利润。
public int maxProfit(int[] prices) {
int maxPro = 0;
for(int i=1;i<prices.length;i++){
maxPro += Math.max(prices[i]-prices[i-1],0);
}
return maxPro;
}
滑动窗口:当第i天利润大于前一天利润,更新收益值,否则抛出股票,重新在第i天买入
public int maxProfit(int[] prices) {
int maxPro = 0;
int preDif = 0, curDif = 0;
for(int l=0,i=1;i<prices.length;i++){
curDif = prices[i]-prices[l];
if(curDif<preDif){
l = i;
preDif = 0;
continue;
}
maxPro += (curDif-preDif);
preDif = curDif;
}
return maxPro;
}
55. 跳跃游戏
给定一个非负整数数组,你最初位于数组的第一个位置。
数组中的每个元素代表你在该位置可以跳跃的最大长度。
判断你是否能够到达最后一个位置。
跳几步无所谓,关键在于可跳的覆盖范围!问题可转化为跳跃覆盖范围究竟可不可以覆盖到终点!
贪心算法局部最优解:每次取最大跳跃步数(取最大覆盖范围),整体最优解:最后得到整体最大覆盖范围,看是否能到终点。
public boolean canJump(int[] nums) {
int r = 0; // 用于记录最大可达的数组下表
for(int i=0;i<nums.length;i++){
if(i>r) break;
r = Math.max(r,i+nums[i]);
}
return r<nums.length-1?false:true;
}
45.跳跃游戏II
给定一个非负整数数组,你最初位于数组的第一个位置。
数组中的每个元素代表你在该位置可以跳跃的最大长度。
你的目标是使用最少的跳跃次数到达数组的最后一个位置。
局部最优:当前可移动距离尽可能多走,如果还没到终点,步数再加一。整体最优:一步尽可能多走,从而达到最小步数。
public int jump(int[] nums) {
int count = 0; // 跳跃次数
int curDis = 0; // 当前步子最大可达范围
int nextDis = 0; // 下一步最大可达范围
for(int i=0;i<nums.length-1;i++){
nextDis = Math.max(nextDis,i+nums[i]);
if(nextDis>=nums.length-1){
count++;
break;
}
if(i==curDis){
curDis = nextDis;
count++;
}
}
return count;
}
public int jump(int[] nums) {
int count = 0; // 跳跃次数
int curDis = 0; // 当前步子最大可达范围
int nextDis = 0; // 下一步最大可达范围
for(int i=0;i<=curDis && curDis<nums.length-1;i++){
nextDis = Math.max(nextDis,i+nums[i]);
if(i==curDis){
curDis = nextDis;
count++;
}
}
return count;
}
1005.K次取反后最大化的数组和
给定一个整数数组 A,我们只能用以下方法修改该数组:我们选择某个索引 i 并将 A[i] 替换为 -A[i],然后总共重复这个过程 K 次。(我们可以多次选择同一个索引 i。)
以这种方式修改数组后,返回数组可能的最大和。
两次贪心:
局部最优:让绝对值大的负数变为正数,当前数值达到最大,整体最优:整个数组和达到最大。
如果将负数都转变为正数了,K依然大于0,此时的问题是一个有序正整数序列,如何转变K次正负,让 数组和 达到最大。此时,局部最优:只找数值最小的正整数进行反转,当前数值和可以达到最大,全局最优:整个 数组和 达到最大。
public int largestSumAfterKNegations(int[] nums, int k) {
Arrays.sort(nums);
int sum = 0;
int min = Integer.MAX_VALUE; // 记录nums中最小的数字
for(int i=0;i<nums.length;i++){
if(nums[i]<0 && k>0){ // 保证nums[i]中变后的数字都为正数
nums[i] = -nums[i];
k--;
}
min = Math.min(min,nums[i]);
sum += nums[i];
}
if(k>0 && k%2==1){
sum -= 2*min; // 只有当k为奇数时,需要给min乘-1,即sum减去两个min
}
return sum;
}
134. 加油站
在一条环路上有 N 个加油站,其中第 i 个加油站有汽油 gas[i] 升。
你有一辆油箱容量无限的的汽车,从第 i 个加油站开往第 i+1 个加油站需要消耗汽油 cost[i] 升。你从其中的一个加油站出发,开始时油箱为空。
如果你可以绕环路行驶一周,则返回出发时加油站的编号,否则返回 -1。
首先如果总油量减去总消耗大于等于零那么一定可以跑完一圈,说明 各个站点的加油站 剩油量rest[i]=gas[i] - cost[i]相加一定是大于等于零的。
i从0开始累加rest[i],和记为curSum,一旦curSum小于零,说明[0, i]区间都不能作为起始位置,因为这个区间选择任何一个位置作为起点,到i这里都会断油,那么起始位置从i+1算起,再从0计算curSum。
局部最优:当前累加rest[i]的和curSum一旦小于0,起始位置至少要是i+1,因为从i之前开始一定不行。全局最优:找到可以跑一圈的起始位置。
public int canCompleteCircuit(int[] gas, int[] cost) {
int totalSum = 0; // 记录走完全程后油箱内剩余油量
int curSum = 0; // 记录从start开始到i时邮箱内剩余油量
int start = 0; // 起点
for(int i=0;i<gas.length;i++){
totalSum += gas[i]-cost[i];
curSum += gas[i]-cost[i];
if(curSum<0){
curSum = 0;
start = i+1;
}
}
return totalSum<0?-1:start;
}
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。
- 相邻的孩子中,评分高的孩子必须获得更多的糖果。
那么这样下来,老师至少需要准备多少颗糖果呢?
思路:
遇到需要考虑两边的情况,要先固定一边,确定完情况一后,再考虑情况二
从两边分别考虑
1.左<右 此时局部最优:只要右边评分比左边大,右边的孩子就多一个糖果,全局最优:相邻的孩子中,评分高的右孩子获得比左边孩子更多的糖果
2.右>左
局部最优:取candyVec[i + 1] + 1 和 candyVec[i] 最大的糖果数量,保证第i个小孩的糖果数量既大于左边的也大于右边的。全局最优:相邻的孩子中,评分高的孩子获得更多的糖果。
左孩子大于右孩子的情况一定要从后向前遍历,因为 rating[5]与rating[4]的比较 要利用上 rating[5]与rating[6]的比较结果,所以 要从后向前遍历。
public int candy(int[] ratings) {
int len = ratings.length;
int[] candyNum = new int[len];
candyNum[0] = 1;
for(int i=1;i<len;i++){
candyNum[i] = ratings[i-1]<ratings[i]?candyNum[i-1]+1:1;
}
int sum = candyNum[len-1];
for(int i=len-2;i>=0;i--){
if(ratings[i]>ratings[i+1]){
candyNum[i] = Math.max(candyNum[i],candyNum[i+1]+1);
}
sum += candyNum[i];
}
return sum;
}
860.柠檬水找零
在柠檬水摊上,每一杯柠檬水的售价为 5 美元。顾客排队购买你的产品,(按账单 bills 支付的顺序)一次购买一杯。每位顾客只买一杯柠檬水,然后向你付 5 美元、10 美元或 20 美元。你必须给每个顾客正确找零,也就是说净交易是每位顾客向你支付 5 美元。
注意,一开始你手头没有任何零钱。
如果你能给每位顾客正确找零,返回 true ,否则返回 false 。
三种情况:
情况一:账单是5,直接收下。
情况二:账单是10,消耗一个5,增加一个10
情况三:账单是20,优先消耗一个10和一个5,如果不够,再消耗三个5
美元10只能给账单20找零,而美元5可以给账单10和账单20找零,美元5更万能!
局部最优:遇到账单20,优先消耗美元10,完成本次找零。全局最优:完成全部账单的找零
public boolean lemonadeChange(int[] bills) {
int fiveNum = 0, tenNum = 0;
for(int i=0;i<bills.length;i++){
if(bills[i]==5) fiveNum += 1;
else if(bills[i]==10){
if(fiveNum==0) return false;
fiveNum -= 1;
tenNum += 1;
}else{
// 没5 或 没10且5不够三张
if(fiveNum==0 || (tenNum==0 && fiveNum<3)) return false;
// 有10:找一张10和一张5
if(tenNum>0){
fiveNum -= 1;
tenNum -= 1;
}else{
// 无10:找三张5
fiveNum -= 3;
}
}
}
return true;
}
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)。
按身高从大到小排,身高相同,k按从小到大排。按照身高排序之后,优先按身高高的people的k来插入,后序插入节点也不会影响前面已经插入的节点,最终按照k的规则完成了队列。
局部最优:优先按身高高的people的k来插入。插入操作过后的people满足队列属性
全局最优:最后都做完插入操作,整个队列满足题目队列属性
public int[][] reconstructQueue(int[][] people) {
// 按h降序排序,若h相同,则k按升序排序
Arrays.sort(people,new Comparator<int[]>(){
public int compare(int[] o1, int[] o2){
return o1[0]==o2[0]?o1[1]-o2[1]:o2[0]-o1[0];
}
});
LinkedList<int[]> list = new LinkedList<>();
// for(int[] p:people) list.add(p[1],p);
for(int i=0;i<people.length;i++){
list.add(people[i][1],people[i]); // h为降序,故第一个元素为最高的h,对应的k一定为0
}
return list.toArray(new int[people.length][]);
}
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。
为了让气球尽可能的重叠,需要对数组进行排序。此处按照气球的起始位置排序,故从前向后遍历气球数组,靠左尽可能让气球重复。
如果气球重叠了,重叠气球中右边边界的最小值 之前的区间一定需要一个弓箭。
public int findMinArrowShots(int[][] points) {
Arrays.sort(points, (o1,o2)->{
// return o1[0]==o2[0]?o1[1]-o2[1]:o1[0]-o2[0]; // [[-2147483646,-2147483645],[2147483646,2147483647]]排序时溢出,排序结果为[2147483646, 2147483647][-2147483646, -2147483645]
if(o1[0]==o2[0]) return o1[1]==o2[1]?0:o1[1]>o2[1]?1:-1;
return o1[0]>o2[0]?1:-1;
});
int count = 1;
for(int i=1;i<points.length;i++){
// 1. 使用新箭情况:当前区间和前一个区间不重合
if(points[i][0]>points[i-1][1]) count++;
else{
// 2. 当前区间和前一个区间有重合,共用一根箭。
// 更新当前区间右边界后,可以判断下一个区间是否可以共用一根箭
points[i][1] = Math.min(points[i][1],points[i-1][1]);
}
}
return count;
}
int排序溢出问题
[[-2147483646,-2147483645],[2147483646,2147483647]]排序时,o1[i]-o2[i]溢出,排序结果为[[2147483646, 2147483647][-2147483646, -2147483645]],与预期不符合
Arrays.sort(points, (o1,o2)->{
return o1[0]==o2[0]?o1[1]-o2[1]:o1[0]-o2[0];
});
**解决办法一:**避免运算,用比大小代替
Arrays.sort(points, (o1,o2)->{
if(o1[0]==o2[0]) return o1[1]==o2[1]?0:o1[1]>o2[1]?1:-1;
return o1[0]>o2[0]?1:-1;
});
**解决办法二:**使用Integer内置比较方法,不会溢出
Arrays.sort(points, (a, b) -> Integer.compare(a[0], b[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。
public int eraseOverlapIntervals(int[][] intervals) {
Arrays.sort(intervals, (a,b)->Integer.compare(a[0],b[0]));
int count = 0;
for(int i=1;i<intervals.length;i++){
if(intervals[i][0]<intervals[i-1][1]){
intervals[i][1] = Math.min(intervals[i][1],intervals[i-1][1]);
count++;
}
}
return count;
}
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。
方法一:
统计字符串中所有字符的起始和结束位置,记录这些区间(实际上也就是[435.无重叠区间 (opens new window)]题目里的输入),将区间按左或右边界排序,找到边界将区间划分成组,互不重叠。找到的区间长度就是答案。
public List<Integer> partitionLabels(String s) {
// 1. letters[i]存放字母在s中 首次出现的位置 和 最后出现的位置
int[][] letters = new int[26][2];
for(int i=0;i<s.length();i++){
char c = s.charAt(i);
int index = c-'a'; // 字母在数组letters中的行索引
if(letters[index][0]==0) {
letters[index][0] = i+1;
letters[index][1] = i+1;
}else letters[index][1] = i+1;
}
// 2. 按 字母最后出现的位置(即右边界letters[][1]) 由大到小排序
Arrays.sort(letters,(a,b)->Integer.compare(b[1],a[1]));
// 3. 找出s从后往前的所有不重合子串 即 找letters不重叠区间
List<Integer> res = new ArrayList<>();
int curEnd = letters[0][1], i=1;
for(;i<26 && letters[i][0]!=0 && letters[i][1]!=0;i++){
if(letters[i][1]>letters[i-1][0]){
letters[i][0] = Math.min(letters[i-1][0],letters[i][0]);
}else{
res.add(0,curEnd-letters[i-1][0]+1);
curEnd = letters[i][1];
}
}
// 最左端
res.add(0,curEnd-letters[i-1][0]+1);
return res;
}
方法二:
找每一个字母的边界,如果找到之前遍历过的所有字母的最远边界,说明这个边界就是分割点了。此时前面出现过所有字母,最远也就到这个边界了。
public List<Integer> partitionLabels(String s) {
// 1. letters[i]存放字母在s中 最后出现的位置
int[] letters = new int[26];
for(int i=0;i<s.length();i++){
char c = s.charAt(i);
int index = c-'a'; // 字母在数组letters中的行索引
letters[index] = i+1;
}
// 2. 从头遍历字符,并更新字符的最远出现下标,如果找到字符最远出现位置下标和当前下标相等了,则找到了分割点
List<Integer> res = new ArrayList<>();
int startIndex = 0, endIndex = 0;
for(int i=0;i<s.length();i++){
endIndex = Math.max(endIndex,letters[s.charAt(i)-'a']-1);
if(i==endIndex){
res.add(endIndex-startIndex+1);
startIndex = i+1;
}
}
return res;
}
56. 合并区间
给出一个区间的集合,请合并所有重叠的区间。
public int[][] merge(int[][] intervals) {
// 左边界排序
Arrays.sort(intervals, (a,b)->Integer.compare(a[0],b[0]));
List<int[]> res = new ArrayList<>();
int curStart = intervals[0][0]; // 重叠区间起始
int curEnd = intervals[0][1]; // 重叠区间结束
for(int i=1;i<intervals.length;i++){
if(intervals[i][0]<= curEnd){
// 1)若intervals[i]和重叠区间 有部分重叠,移动重叠区间右边界
curEnd = Math.max(intervals[i][1],curEnd);
}else{
// 2)若intervals[i]和重叠区间区间不重叠
res.add(new int[]{curStart,curEnd});
// 开始寻找新一个重叠区间
curStart = intervals[i][0];
curEnd = intervals[i][1];
}
}
// 最右端
res.add(new int[]{curStart,curEnd});
return res.toArray(new int[res.size()][2]);
}
738.单调递增的数字
给定一个非负整数 N,找出小于或等于 N 的最大的整数,同时这个整数需要满足其各个位数上的数字是单调递增。
(当且仅当每个相邻位数上的数字 x 和 y 满足 x <= y 时,我们称这个整数是单调递增的。)
public int monotoneIncreasingDigits(int n) {
char[] digitArr = Integer.toString(n).toCharArray();
int start = digitArr.length; // 记录之后位数全变为9的起始位置
for(int i=digitArr.length-1;i>0;i--){
if(digitArr[i-1]>digitArr[i]){
// 0是最小的,若digitArr[i-1]为0则一定有digitArr[i-1]==digitArr[i],故不会出现0需要减一变为负的情况
start = i;
digitArr[i-1] = (char)(digitArr[i-1]-1);
}
}
for(int i=start;i<digitArr.length;i++){
digitArr[i] = '9';
}
// string中09 也可以直接转成 int 的 9
// return Integer.parseInt(new String(digitArr));
return Integer.valueOf(new String(digitArr));
}