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
-
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
}
};