一、基本概念:
在寻找最优解时候,有很多常用的办法,比如说:贪心,分治,回溯,动态规划等等。这些思想有各自的优势,也相互联系,相互区别。
贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。 也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。
二、举例说明:
1.Leetcode 455 号问题: 分发饼干
假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。对每个孩子 i ,都有一个胃口值 gi ,这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j ,都有一个尺寸 sj 。如果 sj >= gi ,我们可以将这个饼干 j 分配给孩子 i ,这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子,并输出这个最大数值。
注意:
你可以假设胃口值为正。
一个小朋友最多只能拥有一块饼干。
示例 1:
输入: [1,2,3], [1,1] 输出: 1 解释: 你有三个孩子和两块小饼干,3个孩子的胃口值分别是:1,2,3。 虽然你有两块小饼干,由于他们的尺寸都是1,你只能让胃口值是1的孩子满足。 所以你应该输出1。
示例 2:
输入: [1,2], [1,2,3] 输出: 2
简单分析:
(1)每个小朋友拥有的胃口值是:g[i] / 每块饼干拥有的尺寸值是:j[i]
(2)每块饼干最多只能满足一个小朋友,如果尺寸不足就没办法满足胃口大的小朋友,也就是说胃口大的小朋友最难满足
(3)无论饼干尺寸是大是小,最多只能满足一个小朋友,如果把大饼干给胃口小的小朋友,那么胃口大的小朋友就更不可能被满足了,照此分析,我们先用最大的饼干去试试胃口比较大的小朋友能否满足,如果最大的饼干都不能满足他,那么我们只能对他说对不起,我们满足不了你。然后再满足胃口小点的小朋友,这样就可以让尽可能多的小朋友得到满足了。
这,就是贪心算法!
-----说完概念,该实践了-----代码如下:
package IMUHERO;
import java.util.Arrays;
public class cookies {
public int findContentChildren(int[] g, int[] s) {
Arrays.sort(g);//将胃口大的小朋友放后面
Arrays.sort(s);//将尺寸大的饼干放后面
int gi=g.length-1;
int si=s.length-1;
int result=0;
while (gi>=0&&si>=0){
if (s[si]>=g[gi]){
result++;//胃口大的先满足
si--;//能满足才给
}
gi--;//最大的也不能满足,就直接不管了
}
return result;
}
public static void main(String[] args) {
int []g={1,2,3};
int []s={1,2,2,4};
cookies c=new cookies();
System.out.println(c.findContentChildren(g,s));
}
/// 455. Assign Cookies
/// 另一种解法:先尝试满足最不贪心的小朋友
/// 时间复杂度: O(nlogn)
/// 空间复杂度: O(1)
// public int findContentChildren(int[] g, int[] s) {
//
// Arrays.sort(g);
// Arrays.sort(s);
//
// int gi = 0, si = 0;
// int res = 0;
// while(gi < g.length && si < s.length){
// if(s[si] >= g[gi]){
// res ++;
// gi ++;
// }
// si ++;
// }
//
// return res;
// }
}
##########讲完贪吃的小朋友例题,相比你已经对贪心算法的概念:在对问题求解时,总是做出在当前看来是最好的选择。 也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解,有了初步了解。
***************************************************************************************************************************
接下来我们再通过一道题目巩固贪心思想:
2.Leetcode 435号问题 无重叠区间
给定一个区间的集合,找到需要移除区间的最小数量,使剩余区间互不重叠。
注意:
- 可以认为区间的终点总是大于它的起点。
- 区间 [1,2] 和 [2,3] 的边界相互“接触”,但没有相互重叠。
示例 1:
输入: [ [1,2], [2,3], [3,4], [1,3] ] 输出: 1 解释: 移除 [1,3] 后,剩下的区间没有重叠。
示例 2:
输入: [ [1,2], [1,2], [1,2] ] 输出: 2 解释: 你需要移除两个 [1,2] 来使剩下的区间没有重叠。
示例 3:
输入: [ [1,2], [2,3] ] 输出: 0 解释: 你不需要移除任何区间,因为它们已经是无重叠的了。
分析1:动态规划(我们先尝试使用动态规划的思想来解决这道题目)
(1)两个区间不重叠的基本情况可以拆解成:后一个区间的头部和前一个区间的尾部重叠,或者更靠后,比如[0,1][1,2],又比如说:[0,1][2,3]都是不重叠的情况。
(2)根据这个条件,我们可以分析出,要尽可能让两个区间靠近,才能留下尽可能多的区间(隐含条件就是,删除尽可能少的区间)
(3)为了达到这个目的,我们将二维数组先进行排序(按照我们定义的排序规则|详见代码|),这样可以确保每个区间头部小的靠前,相等是用尾部判断。
通过以上分析,我们可以写出如下代码:
package IMUHERO;
import java.util.Arrays;
import java.util.Comparator;
public class non_overlapping_interval {
public int eraseOverlapIntervals(int[][] intervals) {
int length=intervals.length;//0的情况就直接返回0!
if (length==0)return 0;
/*比较方法是:
*头部不相等时比较头部,小的排前面。头部相等时比较尾部,尾部小的排前面
*这样可以让区间尽量靠近,方便后续判断
*/
Arrays.sort(intervals, new Comparator<int[]>(){
public int compare(int [] arr1, int [] arr2){
if(arr1[0] != arr2[0])
return arr1[0] - arr2[0];
return arr1[1] - arr2[1];
}
});
int [] memo = new int[length];//用于动态规划的记忆
Arrays.fill(memo,1); //初始的时候所有区间都只有个一个区间不重叠
for (int i=1;i<length;i++){ //从1开始,因为下标0的区间不重叠数为1,上边已经声明
for (int j=0;j<=i;j++){
if (intervals[i][0]>=intervals[j][1]){
//判断后一个区间的头部是否>=前一个区间的尾部
memo[i]=Math.max(memo[i],memo[j]+1);
}
}
}
int res=0;
for (int i=0;i<length;i++){
res=Math.max(res,memo[i]); //找到最大重叠数
}
return length-res; //题目要求的是删除的个数
}
}
分析2:贪心算法(我们再来尝试使用贪心算法的思想来解决这道题目)
(1)上面动态规划的解法给我们带来启发,下一个区间的头部一定要大于等于上一个区间的尾部才能不重叠,也就是说上一个区间的尾部直接决定了我们能从哪边进行对接。
(2)于是我们可以换一种排序方法,以尾部优先排序,尾部最先结束的区间排到前面去,就能保证尽可能早的接续。
(3)排序完后,我们遍历所有区间,如果尾部排在后面的区间,他的头部也比上一个还未接续的区间尾部大,那么这个区间就可接。
分析完贪心算法,我们就可以开始写出无比简介的代码啦:
package IMUHERO;
import java.util.Arrays;
import java.util.Comparator;
public class non_overlapping_interval2 {
public int eraseOverlapIntervals(int[][] intervals) {
int length=intervals.length;
if (length==0)return 0;
Arrays.sort(intervals, new Comparator<int[]>(){
public int compare(int [] arr1, int [] arr2){
if(arr1[1] != arr2[1])
return arr1[1] - arr2[1]; //尾部优先
return arr1[0] - arr2[0]; //尾部相等时,再排头部
}
});
int res=1;int j=0; //j用于判断上一个不能被接续的区间
for (int i=1;i<length;i++){
if (intervals[i][0]>=intervals[j][0]){
j=i; //如果这个区间被i接续了,那么j标记就变成i,等待下次接续
res++; //结果
}
}
return length-res; //最终返回的是删除掉的区间数
}
}
三、难点和困难
其实贪心算法最难的不是设计和编码,而是在于分析和判断这个问题能否用贪心算法来解决,如果判断错误很可能掉进坑里。
因此可以通过举反例来推翻自己的假设,也可以用数学归纳法和反证法来判断,当然最重要的还是勤加练习,争取练就一双一看就明的火眼金睛,加油!(#^.^#)