贪心算法理论基础
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。
刷题或者面试的时候,手动模拟一下感觉可以局部最优推出整体最优,而且想不到反例,那么就试一试贪心。
贪心算法一般分为如下四步:
- 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
455.分发饼干
https://leetcode.cn/problems/assign-cookies/
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。
可以尝试使用贪心策略,先将饼干数组和小孩数组排序。
然后从后向前遍历小孩数组,用大饼干优先满足胃口大的,并统计满足小孩数量。
先遍历胃口,再遍历的饼干,不可以先遍历饼干,再遍历胃口
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
int idx = s.size() - 1;
int res = 0;
for(int i = g.size() - 1; i >= 0; i--){
if(idx >= 0 && s[idx] >= g[i]){
res++;
idx--;
}
}
return res;
}
};
376. 摆动序列
本题要考虑三种情况:
- 情况一:上下坡中有平坡
- 情况二:数组首尾两端
- 情况三:单调坡中有平坡
- 只需要在 这个坡度 摆动变化的时候,更新prediff就行,这样prediff在 单调区间有平坡的时候 就不会发生变化,造成我们的误判。
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size() <= 1) return nums.size();
int res = 1;
int prediff = 0;
int curdiff = 0;
for(int i = 0; i < nums.size() - 1; i++){
curdiff = nums[i + 1] - nums[i];
if(prediff >= 0 && curdiff < 0 || prediff <= 0 && curdiff > 0){
res++;
prediff = curdiff;
}
}
return res;
}
};
53. 最大子序和
https://leetcode.cn/problems/maximum-subarray/
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”
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int cnt = 0;
int res = INT_MIN;
for(int i = 0; i < nums.size(); i++){
cnt += nums[i];
if(cnt > res) res = cnt;
if(cnt < 0) cnt = 0;
}
return res;
}
};