代码随想录训练营 Day29打卡 贪心算法 part03
一、 力扣134. 加油站
在一条环路上有 n 个加油站，其中第 i 个加油站有汽油 gas[i] 升。
你有一辆油箱容量无限的的汽车，从第 i 个加油站开往第 i+1 个加油站需要消耗汽油 cost[i] 升。你从其中的一个加油站出发，开始时油箱为空。
给定两个整数数组 gas 和 cost ，如果你可以按顺序绕环路行驶一周，则返回出发时加油站的编号，否则返回 -1 。如果存在解，则 保证 它是 唯一 的。
示例 :
输入: gas = [1,2,3,4,5], cost = [3,4,5,1,2]
输出: 3
解释:
从 3 号加油站(索引为 3 处)出发，可获得 4 升汽油。此时油箱有 = 0 + 4 = 4 升汽油
开往 4 号加油站，此时油箱有 4 - 1 + 5 = 8 升汽油
开往 0 号加油站，此时油箱有 8 - 2 + 1 = 7 升汽油
开往 1 号加油站，此时油箱有 7 - 3 + 2 = 6 升汽油
开往 2 号加油站，此时油箱有 6 - 4 + 3 = 5 升汽油
开往 3 号加油站，你需要消耗 5 升汽油，正好足够你返回到 3 号加油站。
因此，3 可为起始索引。
版本一
直接从全局进行贪心选择，情况如下：
情况一：如果gas的总和小于cost总和，那么无论从哪里出发，一定是跑不了一圈的
情况二：rest[i] = gas[i]-cost[i]为一天剩下的油，i从0开始计算累加到最后一站，如果累加没有出现负数，说明从0出发，油就没有断过，那么0就是起点。
情况三：如果累加的最小值是负数，汽车就要从非0节点出发，从后向前，看哪个节点能把这个负数填平，能把这个负数填平的节点就是出发节点。
class Solution:
def canCompleteCircuit(self, gas: List[int], cost: List[int]) -> int:
curSum = 0 # 当前累计的剩余油量
minFuel = float('inf') # 从起点出发，油箱里的油量最小值
# 遍历每一个加油站
for i in range(len(gas)):
rest = gas[i] - cost[i] # 计算当前加油站的剩余油量（获得的油量减去消耗的油量）
curSum += rest # 更新当前累计的剩余油量
# 更新油箱里的最小油量
if curSum < minFuel:
minFuel = curSum
# 如果总的油量亏损，即curSum小于0，则无法完成一圈
if curSum < 0:
return -1 # 情况1：总供给不足，无法完成一圈
# 如果最小油量minFuel不小于0，说明从起点出发可以完成一圈
if minFuel >= 0:
return 0 # 情况2：从起点出发即可完成一圈
# 从最后一个加油站倒着查找可以完成一圈的起点
for i in range(len(gas) - 1, -1, -1):
rest = gas[i] - cost[i] # 计算当前加油站的剩余油量
minFuel += rest # 更新油箱最小油量
# 如果minFuel不小于0，说明可以从当前加油站出发完成一圈
if minFuel >= 0:
return i # 情况3：返回可以完成一圈的起点索引
return -1 # 无法完成一圈
版本二
对每个加油站，计算并更新当前的累计剩余油量和总剩余油量。
如果curSum小于0，说明从当前的起点无法到达这个加油站，那么下一个加油站就有可能是新的起点，将start更新为i + 1，并重置curSum。
如果总剩余油量totalSum小于0，说明总油量不足以完成一圈，返回-1。
如果总油量足够且找到了合适的起点，返回start，即从该位置出发可以完成一圈。
class Solution:
def canCompleteCircuit(self, gas: List[int], cost: List[int]) -> int:
curSum = 0 # 当前累计的剩余油量
totalSum = 0 # 总剩余油量
start = 0 # 记录可能的起始位置
# 遍历每一个加油站
for i in range(len(gas)):
curSum += gas[i] - cost[i] # 更新当前累计的剩余油量
totalSum += gas[i] - cost[i] # 更新总剩余油量
# 如果当前累计剩余油量小于0，说明从当前起点不能完成到达当前加油站的行程
if curSum < 0:
start = i + 1 # 将起点更新为下一个加油站
curSum = 0 # 重置当前累计剩余油量，重新从下一个加油站开始计算
# 如果总剩余油量小于0，说明总油量不足，无法完成一圈
if totalSum < 0:
return -1 # 无法环绕一圈
return start # 返回可以完成一圈的起点索引
二、 力扣135. 分发糖果
n 个孩子站成一排。给你一个整数数组 ratings 表示每个孩子的评分。
你需要按照以下要求，给这些孩子分发糖果：
每个孩子至少分配到 1 个糖果。
相邻两个孩子评分更高的孩子会获得更多的糖果。
请你给每个孩子分发糖果，计算并返回需要准备的 最少糖果数目 。
示例 :
输入：ratings = [1,0,2]
输出：5
解释：你可以分别给第一个、第二个、第三个孩子分发 2、1、2 颗糖果。
这道题目一定是要确定一边之后，再确定另一边，例如比较每一个孩子的左边，然后再比较右边，如果两边一起考虑一定会顾此失彼。
先确定右边评分大于左边的情况（也就是从前向后遍历）
此时局部最优：只要右边评分比左边大，右边的孩子就多一个糖果，全局最优：相邻的孩子中，评分高的右孩子获得比左边孩子更多的糖果
局部最优可以推出全局最优。
如图：
再确定左孩子大于右孩子的情况（从后向前遍历）
如图：
代码实现
- 初始化糖果数组：
首先，给每个孩子分配1个糖果，存储在数组candyVec中。初始时，所有孩子的糖果数都为1。
- 从前向后遍历（处理右侧比左侧评分高的情况）：
从第一个孩子开始向后遍历数组ratings，对于每一个孩子，如果其评分比前一个孩子高，则这个孩子的糖果数应比前一个孩子多1。
这样处理完后，确保了在每个评分递增的子序列中，后一个孩子的糖果数比前一个孩子多。
- 从后向前遍历（处理左侧比右侧评分高的情况）：
从倒数第二个孩子开始向前遍历数组ratings，对于每一个孩子，如果其评分比后一个孩子高，并且其当前的糖果数不比后一个孩子多，则更新其糖果数为后一个孩子的糖果数加1。
这确保了在每个评分递减的子序列中，前一个孩子的糖果数比后一个孩子多。
- 计算糖果总数：
最后，求出数组candyVec中所有元素的和，即为所有孩子分得的糖果总数。
class Solution:
def candy(self, ratings: List[int]) -> int:
# 初始化每个孩子的糖果数，初始值为1
candyVec = [1] * len(ratings)
# 第一次遍历：从前向后，处理右侧比左侧评分高的情况
# 如果右侧孩子的评分比左侧孩子高，则右侧孩子的糖果数比左侧孩子多1
for i in range(1, len(ratings)):
if ratings[i] > ratings[i - 1]:
candyVec[i] = candyVec[i - 1] + 1
# 第二次遍历：从后向前，处理左侧比右侧评分高的情况
# 如果左侧孩子的评分比右侧孩子高，且左侧孩子的糖果数不比右侧孩子多，
# 则更新左侧孩子的糖果数为右侧孩子的糖果数加1
for i in range(len(ratings) - 2, -1, -1):
if ratings[i] > ratings[i + 1]:
candyVec[i] = max(candyVec[i], candyVec[i + 1] + 1)
# 统计所有孩子分得的糖果总数
result = sum(candyVec)
return result # 返回最终的糖果总数
三、 力扣860. 柠檬水找零
在柠檬水摊上，每一杯柠檬水的售价为 5 美元。顾客排队购买你的产品，（按账单 bills 支付的顺序）一次购买一杯。
每位顾客只买一杯柠檬水，然后向你付 5 美元、10 美元或 20 美元。你必须给每个顾客正确找零，也就是说净交易是每位顾客向你支付 5 美元。
注意，一开始你手头没有任何零钱。
给你一个整数数组 bills ，其中 bills[i] 是第 i 位顾客付的账。如果你能给每位顾客正确找零，返回 true ，否则返回 false 。
示例 :
输入：bills = [5,5,5,10,20]
输出：true
解释：
前 3 位顾客那里，我们按顺序收取 3 张 5 美元的钞票。
第 4 位顾客那里，我们收取一张 10 美元的钞票，并返还 5 美元。
第 5 位顾客那里，我们找还一张 10 美元的钞票和一张 5 美元的钞票。
由于所有客户都得到了正确的找零，所以我们输出 true。
只需要维护三种金额的数量，5，10和20。
有如下三种情况：
情况一：账单是5，直接收下。
情况二：账单是10，消耗一个5，增加一个10
情况三：账单是20，优先消耗一个10和一个5，如果不够，再消耗三个5
此时大家就发现 情况一，情况二，都是固定策略，都不用我们来做分析了，而唯一不确定的其实在情况三。
账单是20的情况，为什么要优先消耗一个10和一个5呢？
因为美元10只能给账单20找零，而美元5可以给账单10和账单20找零，美元5更万能！
所以局部最优：遇到账单20，优先消耗美元10，完成本次找零。全局最优：完成全部账单的找零。
代码实现
class Solution:
def lemonadeChange(self, bills: List[int]) -> bool:
# 初始化5美元、10美元和20美元的计数
five = 0
ten = 0
# twenty = 0 # 20美元不需要单独记录，因为找零时不会用到20美元
# 遍历每一笔交易
for bill in bills:
# 情况一：收到5美元
if bill == 5:
five += 1 # 收到5美元直接增加5美元的计数
# 情况二：收到10美元
elif bill == 10:
if five <= 0: # 如果没有5美元可以找零，返回False
return False
ten += 1 # 收到10美元增加10美元的计数
five -= 1 # 用一张5美元找零
# 情况三：收到20美元
elif bill == 20:
# 优先尝试用一张10美元和一张5美元找零
if five > 0 and ten > 0:
five -= 1 # 用一张5美元找零
ten -= 1 # 用一张10美元找零
# twenty += 1 # 不需要记录20美元的数量
# 如果没有10美元的情况下，尝试用三张5美元找零
elif five >= 3:
five -= 3 # 用三张5美元找零
# twenty += 1 # 不需要记录20美元的数量
else:
return False # 无法找零，返回False
return True # 如果所有交易都成功找零，返回True
四、 力扣406. 根据身高重建队列
假设有打乱顺序的一群人站成一个队列，数组 people 表示队列中一些人的属性（不一定按顺序）。每个 people[i] = [hi, ki] 表示第 i 个人的身高为 hi ，前面 正好 有 ki 个身高大于或等于 hi 的人。
请你重新构造并返回输入数组 people 所表示的队列。返回的队列应该格式化为数组 queue ，其中 queue[j] = [hj, kj] 是队列中第 j 个人的属性（queue[0] 是排在队列前面的人）。
示例 :
输入：people = [[7,0],[4,4],[7,1],[5,0],[6,1],[5,2]]
输出：[[5,0],[7,0],[5,2],[6,1],[4,4],[7,1]]
解释：
编号为 0 的人身高为 5 ，没有身高更高或者相同的人排在他前面。
编号为 1 的人身高为 7 ，没有身高更高或者相同的人排在他前面。
编号为 2 的人身高为 5 ，有 2 个身高更高或者相同的人排在他前面，即编号为 0 和 1 的人。
编号为 3 的人身高为 6 ，有 1 个身高更高或者相同的人排在他前面，即编号为 1 的人。
编号为 4 的人身高为 4 ，有 4 个身高更高或者相同的人排在他前面，即编号为 0、1、2、3 的人。
编号为 5 的人身高为 7 ，有 1 个身高更高或者相同的人排在他前面，即编号为 1 的人。
因此 [[5,0],[7,0],[5,2],[6,1],[4,4],[7,1]] 是重新构造后的队列。
本题有两个维度，h和k，看到这种题目一定要想如何确定一个维度，然后再按照另一个维度重新排列。
如果两个维度一起考虑一定会顾此失彼。
如果按照k来从小到大排序，排完之后，会发现k的排列并不符合条件，身高也不符合条件，两个维度哪一个都没确定下来。
那么按照身高h来排序呢，身高一定是从大到小排（身高相同的话则k小的站前面），让高个子在前面。
此时我们可以确定一个维度了，就是身高，前面的节点一定都比本节点高！
那么只需要按照k为下标重新插入队列就可以了，为什么呢？
以图中{5,2} 为例：
局部最优：优先按身高高的people的k来插入。插入操作过后的people满足队列属性
全局最优：最后都做完插入操作，整个队列满足题目队列属性。
回归本题，整个插入过程如下：
排序完的people： [[7,0], [7,1], [6,1], [5,0], [5,2]，[4,4]]
插入的过程：
插入[7,0]：[[7,0]]
插入[7,1]：[[7,0],[7,1]]
插入[6,1]：[[7,0],[6,1],[7,1]]
插入[5,0]：[[5,0],[7,0],[6,1],[7,1]]
插入[5,2]：[[5,0],[7,0],[5,2],[6,1],[7,1]]
插入[4,4]：[[5,0],[7,0],[5,2],[6,1],[4,4],[7,1]]
此时就按照题目的要求完成了重新排列。
代码实现
-
排序：
首先对输入的people数组进行排序。排序规则是按h（身高）从高到低排列，如果身高相同，则按k值（前面有多少个比当前身高高或相等的人）从小到大排列。
排序后，较高的个体会在前面，而对于相同身高的个体，k值较小的个体排在前面。 -
插入：
使用贪心算法的思想遍历排序后的people数组，按照每个人的k值来决定其插入位置。
由于已经按身高排序，插入时只需将当前人放到队列中指定的k位置上即可，这样就能确保队列中前面有k个身高不低于当前人的个体。 -
返回结果：
最终返回构造好的队列que，即为满足题目条件的重建队列。
class Solution:
def reconstructQueue(self, people: List[List[int]]) -> List[List[int]]:
# 第一步：按照身高h进行排序
# 对people数组进行排序：首先按身高h从高到低排序，当h相同时，按k值从小到大排序
# 这是因为身高较高的人对身高较矮的人的排列没有影响，而k值越小的人应尽可能排在前面
people.sort(key=lambda x: (-x[0], x[1]))
que = [] # 初始化结果队列
# 第二步：根据每个人的k值进行插入
# 由于people已经按身高和k值排序，直接将其插入队列即可
for p in people:
# p[1]表示这个人在队列中的位置
# 我们将p插入到队列que中的第p[1]位置，满足队列中前面有p[1]个人比他高
que.insert(p[1], p)
# 第三步：返回重建后的队列
return que
10000
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
