贪心算法总结

一、基本概述

本质：

​ 贪心的本质是选择每一段的局部最优，从而达到全局最优。

难点：

​ 唯一的难点就是如何通过局部最优，推出整体最优。

做题方法：

​ 毫无套路可言，最好用的策略就是多举几个测试用例，看一下贪心是否合适。

大致步骤：

• 将问题分解为若干个子问题
• 找出适合的贪心策略
• 求解每一个子问题的最优解
• 将局部最优解堆叠成全局最优解

二、做题

第455题 分发饼干

一个数组表示 每个小孩对应的胃口

一个数组表示 每块饼干对应的尺寸

大部分情况下处理两个数组都会想到用两层 for 循环，但是本题中，可以只用一层 for 循环，

用 for 循环来遍历小孩对应的胃口，然后定义一个 index 变量 ，来控制饼干数组的遍历，这样可以大大的简化逻辑。

第376题 摆动序列

时间复杂度O(n)，空间复杂度O(1)

这道题有点难了。。。

图示可以根据所给数组画折线图表示，折线图可以很清楚的看清整个过程的走势，

局部最优：删除单调坡度上的节点，但是单调坡度两端的节点不删，那么这个坡度就可以有两个局部峰值。

整体最优：整个序列有最多的局部峰值，从而达到最长摆动序列。

局部最优推出全局最优，并举不出反例，那么试试贪心算法。

贪心其实要从直觉出发，

比如目前要增加，那么我肯定是想把它增的高高的，这样随便随便再来一个数就会有比较大的概率是符合减的条件，

同理如果要减少，那么也是尽可能的降到足够的低，这样随便再来一个数就会有比较大的概率是符合增加的条件。

从上面两句话，来理解这个  贪  字，就是  大就足够的大  ， 小就足够的小  ，  是不是就是贪心啦~~~

这也就是贪心所贪的地方，让峰值尽可能的保持峰值，然后删除单一坡度上的节点1.

实际操作时，连删除的操作都不用做，因为题目要求的是最长摆动子序列的长度，所以只需要统计数组的峰值数量就可以。相当于是删除单一坡度上的节点，然后统计长度。

一个处理上的小技巧：

在同理峰值的时候，数组的最左面和最右面是不太容易来统计的，

因为整个统计的过程是根据统计相邻两数的差值计算，但是对于最左面的元素，没有前一个元素与其做差，也就没有差值

处理的方法就是，给最左面的元素的假定一个元素值（这个值等于最左面元素），这样就有了一个差值为0，这个处理有点类似于在处理链表问题时，设定一个 pre 节点。

第134题 加油站

法一：暴力解法

这道题的暴力解法也很巧妙，值得品味

首先：两层循环，第二层如何实现循环整个数组呢？ 通过内层循环的起始位置设置为， j =（ i + 1) % gas.size()，终止条件是 i != j

法二：贪心一

• 情况一：如果 gas 的总和小于 cost 总和，那么无论从哪里出发，一定是跑不了一圈的
• 情况二：rest[i] = gas[i]-cost[i]为一天剩下的油，i从0开始计算累加到最后一站，如果累加没有出现负数，说明从0出发，油就没有断过，那么0就是起点。
• 情况三：如果累加的最小值是负数，汽车就要从非0节点出发，从后向前，看哪个节点能把这个负数填平，能把这个负数填平的节点就是出发节点。

第714题 买卖股票

股票问题常常使用动态规划解决，但有时候贪心也是可以滴

所谓贪心 如何得到最大利润呢？

就是最低值买，最高值就卖，注意这里的最高值，表示算上手续费还可以盈利

要点：找到两个点：买入日期，卖出日期

• 买入日期：就是遇到更低的点就记录一下。
• 卖出日期：这个不太好确定，但是也没有必要算出准确的卖出日期，只要 [当前价格] 大于 [当前价格+手续费] ，就可以收获利润，至于准确的卖出日期，就是连续收获利润区间里的最后一天，（并不需要计算是具体的那一天）

所以在收获利润操作时，其实有三种情况：

• 情况一：收获利润的这一天并不是收获利润区间里的最后一天，也就是不卖出，后面继续收获利润
• 情况二：前一天是收获利润区间里的最后一天，也就是前一天卖出，今天要重新记录最小价格
• 情况三：保持原有状态，也就是不买不卖，不做任何操作

第968题 监控二叉树

从叶子节点开始找放置的位置，摄像头应该放在叶子节点的父节点的位置，一个摄像头可以相邻覆盖三层，所以隔两个节点放一个摄像头。

贪心思想

局部最优：让叶子节点的父节点安装摄像头，所用摄像头最少，

整体最优：全部摄像头数量最少。

每个节点可能具有的状态，分别对应一个数字：

• 0：该节点无无摄像头且无覆盖
• 1：该节点有摄像头
• 2：该节点无摄像头且有覆盖

对于遍历的过程中遇到的空节点属于什么状态呢？ 用假设法试一下~

• 若为状态0，这样叶子节点就需要放摄像头了
• 若为状态1，这样叶子节点的父节点就没有必要放摄像头了，而是可以把摄像头放在叶子节点的爷爷节点上了
• 因此只能是状态2，这样就可以保证在叶子节点的父节点放置摄像头。

对于单个节点可能有的情况可分为以下四类：

• 情况1：左右孩子都有覆盖，那么此时该节点应该就是无覆盖的状态了，也就是状态0
• 情况2：左右孩子至少有一个无覆盖的情况，则该节点应该放置一个摄像头，也就是状态1
  • left == 0 && right == 0
  • left == 1 && right == 0
  • left == 2 && right == 0
  • left == 0 && right == 1
  • left == 0 && right == 2
• 情况3：左右孩子至少有一个有摄像头，那么本节点无需放置摄像头，且已经是被覆盖的状态，也就是状态2
  • left == 1 && right == 1
  • left == 1 && right == 2
  • left == 2 && right == 1
• 情况4：头结点没有覆盖
  • 以上三种情况都不涵盖对头结点的特殊处理，当递归结束后，头结点还有可能是 无覆盖的状态，
  • 因此递归结束后，需要单独判断一下头结点，如果没有被覆盖，则 result++；