贪心算法
概念:贪心算法是指在在对问题进行求解时,“贪婪”的选择当前这一步的最优解,希望从而产生一个全局最优解。算法的关键:选择合适的“贪婪”策略。
结果:贪心算法产生的结果并不一定都是最优的结果,需要进行判断,常会用到数学的证明方式。这是贪心算法的局限性之一。一些不能求解的问题可以使用动态规划来解决,例如背包问题。
步骤:
1)将问题分解为小问题
2)根据小问题选择合适的策略(关键)
3)由局部最优解到全局最优解
例子:狄杰斯特拉(最短路径)、最多课程安排、找零
贪心算法与动态规划的区别
贪心算法:自顶向下,选择当前的最优解,将问题一步步缩小,不依赖于子问题
动态规划:自底向上,当前选择依赖于前面的问题。
NP完全问题
NP:Non-deterministic Polynomial,多项式复杂程度的非确定性问题,现在也没有快速解决此类问题的方法,因此使用贪心算法是一个不错的选择 。
特征:
1)多项式复杂度
2)涉及路径、序列、集合覆盖问题且常规方法难以解决
3)要求得到“所有的情况”的问题
4)问“能不能”
分糖果
leetcode的一题
1)从前向后遍历,如果ratings[i]>ratings[i-1],则A[i]=A[i-1]+1
2)从后向前遍历,如果ratings[i]>ratings[i+1],则A[i]=max(A[i],A[i+1]+1)
时间复杂度:O(n),空间复杂度:O(n)
int candy(vector<int>& ratings) {
int num=0;
int len=ratings.size();
vector<int> tmp(len,1);
for (int i=1;i<len;i++){
if(ratings[i]>ratings[i-1]){
tmp[i]=tmp[i-1]+1;
}
}
for (int i=len-2;i>=0;i--){
if(ratings[i]>ratings[i+1]){
tmp[i]=max(tmp[i],tmp[i+1]+1);
}
}
for(int a:tmp){
num+=a;
}
return num;
}