贪心算法

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;
}