贪心算法理论基础
文章链接:贪心理论基础
思想:贪心没有套路,说白了就是常识性推导加上举反例。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。
Leetcode 455.分发饼干
题目链接:455.分发饼干
解题思路:贪心思路:先将大的饼干发给胃口大的孩子,因此我们将饼干和孩子胃口排序一下,然后从大到小开始分发;当然也可以从小的饼干发给胃口小的孩子。
细节:动态数组应该是孩子胃口,不应该是饼干,不然的话如果满足不了胃口大的孩子的话饼干也一直移动,导致没分发饼干。
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
int count = 0;
sort(s.begin(), s.end());
sort(g.begin(), g.end());
int index = s.size() - 1;
for(int i = g.size() - 1; i >= 0; i--) {
if(index >= 0 && s[index] >= g[i]) {
count++;
index--;
}
}
return count;
}
};
- 时间复杂度为O(nlogn)
- 空间复杂度为O(1)
Leetcode 376.摆动序和
题目链接:376.摆动序和
解题思路:首先我们得定义前一个差和后一个差分别为PreDiff和CurDiff,并且这两个差必须是一正一负或者一负一正,否则不计入摆动,PreDiff = nums[i] - nums[i -1], curDiff = nums[i+1] - nums[i],那么这题的特殊情况可以分三种情况讨论:
- 上下有平坡:假设我们删掉同样的元素,只要最右的最后一个元素,所以因此它的PreDiff为0,而CurDiff是正常; 因此判断条件中要加入Prediff <= 0 or Prediff >= 0
- 首尾元素:当一个序列长度为2且首尾元素不相等时,也视作摆动序列;我们可以将result = 1,然后将prediff = 0视作复制了一个首元素;因此首尾元素不相同时,摆动序列长度为2
- 单调序列有平坡:我们PreDiff是等于上一个i的curDiff,但如果在单调序列有平坡的情况下,例如单调上1 2 2 2 3 4这种情况,在2到3这种情况我们会记录result++;因为preDiff = 0且curDiff > 0,但我们之前preDiff其实是正数,这里不应该result++;哪里出错了?因为我们将preDiff在平坡的时候也一直更新;我们应该当摆动出现时才更新PreDiff。
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size() <= 1) return 1;
int curDiff = 0;
int PreDiff = 0;
int result = 1;
for(int i = 0; i < nums.size() - 1; i++) {
curDiff = nums[i+1] - nums[i];
if(PreDiff >= 0 && curDiff < 0 || PreDiff <= 0 && curDiff > 0) {
result++;
PreDiff = curDiff;
}
}
return result;
}
};
- 时间复杂度为O(n)
- 空间复杂度为O(1)
Leetcode 53.最大子序和
题目链接:53.最大子序和
解题思路:解决方案就是当子序和为负数时置为0,因为子序和为负数时对下一个数是负担;因此贪心的思想就是直接丢弃当前子序和,并以下一个数为起始点计算子序和
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int sum = 0;
int result = -0x3f3f3f3f;
for(int i = 0; i < nums.size(); i++) {
sum += nums[i];
result = max(sum, result);
if(sum < 0) sum = 0;
}
return result;
}
};
- 时间复杂度为O(n)
- 空间复杂度为O(1)