1403. 非递增顺序的最小子序列-贪心算法

非递增顺序的最小子序列

给你一个数组 nums,请你从中抽取一个子序列,满足该子序列的元素之和 严格 大于未包含在该子序列中的各元素之和。

如果存在多个解决方案,只需返回 长度最小 的子序列。如果仍然有多个解决方案,则返回 元素之和最大 的子序列。

与子数组不同的地方在于,「数组的子序列」不强调元素在原数组中的连续性,也就是说,它可以通过从数组中分离一些(也可能不分离)元素得到。

注意,题目数据保证满足所有约束条件的解决方案是 唯一 的。同时,返回的答案应当按 非递增顺序 排列。

此题目是从子序列中抽取最大的数字,而不是从给出的序列中截取最大的数字序列,理清题目意思

 public List<Integer> minSubsequence(int[] nums) {
        List<Integer> list = new ArrayList<Integer>();
		int count = 0, current = 0;
		Arrays.sort(nums);
		for (int num : nums)
			count += num;
		for (int i = nums.length - 1; i >= 0; i--) {
			list.add(nums[i]);
			if ((current += nums[i]) - (count -= nums[i]) > 0)
				break;
		}
		return list;
     }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划实现最长递增子序列: 最长递增子序列问题是指在一个给定的序列中,找到一个子序列,使得这个子序列中的元素是单调递增的,并且在原序列中的位置是不下标连续的。例如,序列{1,3,2,4,5,6,7,8}的最长递增子序列为{1,3,4,5,6,7,8},长度为7。 动态规划算法的思路是:定义一个辅助数组b,b[i]表示以a[i]为结尾的最长递增子序列长度。对于每个i,遍历0~i-1之间的j,如果a[j]<=a[i]并且b[j]的值最大,那么b[i]=b[j]+1。最后,b数组的最大值即为所求的最长递增子序列长度。 以下是动态规划实现最长递增子序列的Python代码: ```python def LIS(a): n = len(a) b = [1] * n for i in range(1, n): for j in range(i): if a[j] <= a[i] and b[j] + 1 > b[i]: b[i] = b[j] + 1 return max(b) ``` 时间复杂度为O(n^2)。 0-1背包问题复杂度分析: 0-1背包问题是指有n个物品和一个容量为V的背包,每个物品有一个重量w[i]和一个价值v[i],要求选择若干物品放入背包中,使得在不超过背包容量的前提下,背包中物品的总价值最大。这是一个NP完全问题,没有多项式时间复杂度的解法。 常见的解法有贪心算法和动态规划算法贪心算法的时间复杂度为O(nlogn),但是不能保证得到最优解;动态规划算法的时间复杂度为O(nV),可以得到最优解,但是当V很大时,时间复杂度会常高。 因此,在实际应用中,要根据具体情况选择合适的算法。如果V较小,可以使用动态规划算法;如果V较大,可以使用贪心算法或者其他启发式算法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值