贪心理论基础
什么是贪心
贪心的本质就是选择每一阶段的局部最优解,从而达到全局的最优解。
例如,有一堆钞票,你可以拿走十张,如果想达到最大的金额,你要怎么拿?
指定每次拿最大的,最终结果就是拿走最大数额的钱。
每次拿最大的就是局部最优,最后拿走最大数额的钱就是推出全局最优。
再举一个例子如果是 有一堆盒子,你有一个背包体积为n,如何把背包尽可能装满,如果还每次选最大的盒子,就不行了。这时候就需要动态规划。
什么时候使用贪心
贪心的题目一般不容易一眼看出来使用贪心,贪心解题也没有特别固定的方法。当我们看到题目,感觉可以通过局部最优来推出全局最优,并且找不到反例,就可以尝试使用贪心来解决问题。
贪心的一般解题步骤
贪心的代码实现上并没有固定的解题步骤,在思路上我们可以分为以下四步:
- 将问题分解为若干个子问题
- 找出适合的贪心策略
- 求解每一个子问题的最优解
- 将局部最优解堆叠成全局最优解
455. 分发饼干
思路:这里的局部最优解就是小饼干先分给胃口小的,充分利用饼干的尺寸,全局最优解就是喂饱小孩的个数。先遍历的饼干,再遍历的胃口,从小到大遍历。
class Solution {
public int findContentChildren(int[] g, int[] s) {
// 对数组排序,方便充分利用饼干的尺寸。
Arrays.sort(g);
Arrays.sort(s);
int index = 0;
for (int i = 0; i < s.length; i++) { // 遍历饼干
if (index < g.length && g[index] <= s[i]) // 遍历胃口
index++; // 喂饱一个就再判断下一个。
}
return index;
}
}
另一种解法:优先考虑胃口,先喂饱大胃口
// 时间复杂度:O(nlogn)
// 空间复杂度:O(1)
class Solution {
public int findContentChildren(int[] g, int[] s) {
Arrays.sort(g);
Arrays.sort(s);
int res = 0;
int index = s.length - 1; // 饼干数组的下标
for (int i = g.length - 1; i >= 0; i--) { // 遍历胃口
if(index >= 0 && s[index] >= g[i]) { // 遍历饼干
res++;
index--;
}
}
return res;
}
}
用了一个index来控制饼干数组的遍历,遍历饼干并没有再起一个for循环,而是采用自减的方式,这也是常用的技巧。
不能看到要遍历两个数组,就想到用两个for循环,那样逻辑其实就复杂了。
376. 摆动序列
思路:采用贪心算法。题解链接
**局部最优:**删除单调坡度上的节点(不包括单调坡度两端的节点),那么这个坡度就可以有两个局部峰值。
**整体最优:**整个序列有最多的局部峰值,从而达到最长摆动序列。
在计算是否有峰值的时候,大家知道遍历的下标i ,计算prediff(nums[i] - nums[i-1]) 和 curdiff(nums[i+1] - nums[i]),如果
prediff < 0 && curdiff > 0
或者prediff > 0 && curdiff < 0
此时就有波动就需要统计。这是思考本题的一个大体思路,但本题要考虑三种情况:
- 情况一:上下坡中有平坡
- 情况二:数组首尾两端
- 情况三:单调坡中有平坡
class Solution {
public int wiggleMaxLength(int[] nums) {
if (nums.length <= 1) {
return nums.length;
}
int curDiff = 0; // 当前差值
int preDiff = 0; // 前一对差值
int res = 1; // 记录峰值个数,序列默认序列最右边有一个峰值
for (int i = 1; i < nums.length; i++) {
// 得到当前差值
curDiff = nums[i] - nums[i - 1];
// 出现峰值
if ((preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)) {
res++;
// 注意这里,只在摆动变化的时候更新preDiff
preDiff = curDiff;
}
}
return res;
}
}
本题也可以使用动态规划来解决。
53. 最大子数组和
思路:使用贪心算法。
**局部最优:**当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 的“连续和”只会越来越小。
**全局最优:**选取最大“连续和”
这里最大的局部最优就是全局最优。
如动画所示:
红色的起始位置就是贪心每次取count为正数的时候,开始一个区间的统计。
都知道负数加上正数之后会变小,但是这道题目依然会让很多人搞混淆,其关键在于:不能让“连续和”为负数的时候加下一个元素,而不是不让“连续和”加一个负数。
class Solution {
public int maxSubArray(int[] nums) {
int res = Integer.MIN_VALUE;
int sum = 0;
for (int i = 0; i < nums.length; i++) {
sum += nums[i];
// 取区间累计的最大值(相当于不断确定最大子序终止位置)
res = Math.max(res, sum);
// 相当于重置最大子序起始位置,因为遇到连续和为负数一定是拉低总和
if (sum <= 0) {
sum = 0;
}
}
return res;
}
}
本题也可以使用动态规划来解决。