贪心算法求解硬币问题

你能构造出连续值的最大数目

分析：

class Solution:
    def getMaximumConsecutive(self, coins: List[int]) -> int:
        sum = 0
        coins.sort()
        for coin in coins:
            if coin > sum + 1:
                return sum + 1
            else:
                sum += coin
        return sum + 1

---

小Q购物

分析：
与上一题类似思路，假设前i种面额可以构成的总额为Si，现在对前i+1种面额进行分析，如果a[i+1] <= Si,则开始选择第i+1种的面额，且此时可以取到总额Si+a[i+1]。

尽量用最大的面额！

def func(a, m, n):
    cur = count = i = 0
    if a[0] != 1:
        return -1
    else:
        while cur < m:
            while i + 1 < n and a[i + 1] <= cur + 1:
                i += 1
            cur += a[i]
            count += 1
        return count
m, n = map(int, input().split())
a = []
for _ in range(n):
    a.append(int(input()))
a.sort()
num = func(a, m, n)
print(num)

按要求补齐数组

分析：
对于正整数 x，如果区间[1,x−1] 内的所有数字都已经被覆盖，且 x 在数组中，则区间[1,2x−1] 内的所有数字也都被覆盖。

假设数字 x 缺失，则至少需要在数组中补充一个小于或等于 x 的数，才能覆盖到 x，否则无法覆盖到 x。

如果区间[1,x−1] 内的所有数字都已经被覆盖，则从贪心的角度考虑，补充 x 之后即可覆盖到 x，且满足补充的数字个数最少。在补充 x 之后，区间 [1,2x−1] 内的所有数字都被覆盖，下一个缺失的数字一定不会小于 2x。

如果当前区间是 [1,x]，我们应该添加数字 x + 1，这样可以覆盖的区间为 [1,2*x+1]。如果你选择添加小于 x + 1 的数字，达到的效果肯定没这个区间大。而如果你选择添加大于 x + 1 的数字，那么会导致 x + 1 无法被覆盖。这就是贪心的思想。

class Solution:
    def minPatches(self, nums: List[int], n: int) -> int:
        furthest = i = ans = 0
        while furthest < n:
            # 可覆盖到，直接用前缀和更新区间
            if i < len(nums) and nums[i] <= furthest + 1:
                furthest += nums[i] #  [1, furthest] -> [1, furthest + nums[i]]
                i += 1
            else:
                # 不可覆盖到，增加一个数 furthest + 1，并用前缀和更新区间
                # 如果 nums[i] > furthest + 1，说明我们必须添加一个数 x，其中 1 <= x <= furthest + 1，从贪心的角度我们应该选择  furthest + 1，这在前面已经讲过
                furthest = 2 * furthest + 1 # [1, furthest] -> [1, furthest + furthest + 1]
                ans += 1
        return ans