沥川同学的算法笔记——贪心算法(1)

1.什么是贪心算法？

贪心策略：解决问题的策略，局部最优->全局最优

1.把解决问题的步骤分为若干步；

2.解决每一步时都选择当前看起来最优的策略，

3.希望得到全局最优解。

贪心算法（Greedy Algorithm）是一种在每一步选择中都采取当前状态下最好或最优决策的算法。其核心思想是通过局部最优的选择，希望最终能够达到全局最优的解。

特点：

1. 贪心选择性质：即做出每步的选择时，都采取当前状态下的最优选择。这种选择应该是局部最优的，并希望通过局部最优解最终达到全局最优解。

2. 无后效性：当前的选择不会影响未来的决策，即所做的每个选择都只与当前状态有关，与之前的选择无关。

3. **不能保证得到最优解**：尽管贪心算法在许多情况下可以得到最优解，但并不是所有问题都适合用贪心算法求解，有些问题可能贪心策略不能得到最优解。

应用场景：

- 最小生成树：如 Kruskal 和 Prim 算法；
- 最短路径问题：如 Dijkstra 算法；
- 背包问题：有时可以使用贪心算法解决一些特殊的背包问题。

优点：

- 简单易懂、实现简单，时间复杂度较低。

缺点：

- 不能保证一定能得到全局最优解；
- 需要严格证明贪心选择性质和最优子结构性质。

贪心算法并非适用于所有问题，只有当问题具备贪心选择性质和最优子结构性质时，贪心算法才能给出最优解。对于没有这些性质的问题，贪心算法可能无法得到最优解。因此，在应用贪心算法之前，需要进行仔细的分析和验证。

eg.leetcode-----860.柠檬水找零

860. 柠檬水找零 - 力扣（LeetCode）

• five 和 ten 变量分别表示手中持有的 5 元和 10 元钞票的数量。

• 然后对每个顾客支付的钞票进行处理：

  • 如果是 5 元，则增加 5 元的数量。

  • 如果是 10 元，先判断是否有足够的 5 元可找零，若没有则返回 false，有则减少对应数量的 5 元和增加 10 元。

  • 如果是 20 元，优先尝试用一张 10 元和一张 5 元找零，如果无法满足，则尝试用三张 5 元找零，最后仍然无法满足则返回 false。

   函数的最终返回值取决于是否能够成功为所有顾客找零，如果能够满足需求则返回 true，否则返回 false。

class Solution {
public:
    bool lemonadeChange(vector<int>& bills) {
        int five=0,ten=0; // 初始化 5 元和 10 元的钞票数量为 0
        for(auto x:bills) { // 遍历每个顾客支付的钞票面额
            if(x==5) {
                five++; // 如果是 5 元，则增加 5 元的数量
            } else if(x==10) {
                if(five==0) {
                    return false; // 如果没有 5 元，则无法找零，返回 false
                }
                ten++; // 如果是 10 元，则增加 10 元的数量
                five--; // 减少 5 元的数量，因为找零
            } else if(x==20) {
                if(ten&&five) {
                    ten--; // 如果有 10 元和 5 元，则先使用 10 元找零
                    five--;
                } else if(five>=3) {
                    five-=3; // 如果没有 10 元，则使用 5 元找零
                } else {
                    return false; // 无法找零，返回 false
                }
            }
        }
        return true; // 完成所有顾客的找零需求，返回 true
    }
};