学习贪心算法提升篇

前言

    最近贪心算法苦恼很久，这个可恶的局部最优解，真是伤透我心啊。所以我决定好好的全面了解他，对自己在贪心这块不会再出现错误，没错，我就是这么贪🤩🤩。

贪心算法是什么

    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，算法得到的是在某种意义上的局部最优解 。贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择。（摘自百度百科）
    划重点，不从整体最优上加以考虑，而是局部最优解。那么带来什么问题了呢？局部最优解和整体最优解的区别我们用两个小例子来说明一下：

第一个demo：
    这有面值分别为1，5和11单位的硬币，希望找回总额为15单位的硬币，同时拿到的硬币数量最少。在贪心算法眼里：先拿一张最大的11，因为剩余的单位不足以支撑5单位，便需要再找4个1单位面值的硬币，共找回5个硬币。
    但最优的解答应是3个5单位面值的硬币。

第二个demo：

咱们以leedcode的礼物的最大值为例：

    在一个 m*n 的棋盘的每一格都放有一个礼物，每个礼物都有一定的价值（价值大于 0）。你可以从棋盘的左上角开始拿格子里的礼物，并每次向右或者向下移动一格、直到到达棋盘的右下角。给定一个棋盘及其上面的礼物的价值，请计算你最多能拿到多少价值的礼物？
[
[1,3,1],
[1,5,1],
[4,2,1]
]

    当时我第一眼便用了贪心，因为简单啊，一下子就想到了，下面我来说说我当时的思路：每次找到最大的那一条边，走到最后不就是最大了么，然后我欻欻地写了个递归，从第一个数到下一个数，哪个大到达哪个位置，但是我意识到一个问题，这样是到不了最后位置的；就像下图

那如果我给他设定最后位置在右下角，只能向下、右呢？

那这就不是最大值了，最大值肯定是有15的，所以这题只能用动态规划做。
借用一下K神的图

每个节点只与其上方、左方有关，从第一个行开始向右到底，算出一行最大值。接下来每一行看其左边和上边哪一个与自己相加为最大值，第2行第1列便是其上面1加上本身值，得到2,；接下来到第2列，左边2,4与自己相加得到最大值的是4…由此求得结果。

    因此，我们可以用一句话来概括贪心算法：一个非常精明但是格局没有打开的算法。

贪心算法的应用

    所以说贪心算法只有在某些特定的场景下才能使用。贪心的基本思路：从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到算法中的某一步不能再继续前进时，算法停止。
直接上题

738. 单调递增的数字
    当且仅当每个相邻位数上的数字 x 和 y 满足 x <= y 时，我们称这个整数是单调递增的。给定一个整数 n ，返回 小于或等于 n 的最大数字，且数字呈单调递增 。

简单理解一下，把n拆分成字符
1、前一个字符要<=当前字符
2、同时要小于n。
很明显的贪心问题，用98为例，

n=98     
输出=89
n = 1234321
输出 = 1233999

局部最优：由此可以看出不满足1条件的地方str[i-1]-=1，同时str[i]=9
即需要两个位置变换，前一个数不满足1条件便持续-1，后面的数在尽可能大的情况下要变换为9；只要找到不满足1的，就要替换为9。

1234321中4>3，然后4->3;3->9;123399。
全局最优：得到小于等于N的最大单调递增的整数

class Solution:
    def monotoneIncreasingDigits(self, n: int) -> int:
        l = list(str(n))
        #n=['1', '2', '3', '4', '3', '2', '1']
        for i in range(len(l)-1,0,-1):
            if int(l[i]) < int(l[i-1]):
                l[i-1] = str(int(l[i-1]) - 1)
                l[i:] = '9' * (len(l) - i) 
        return int("".join(l)) 

再来一个剑指offer中的题：
剪绳子
     给你一根长度为 n 的绳子，请把绳子剪成整数长度的 m 段（m、n都是整数，n>1并且m>1），每段绳子的长度记为 k[0],k[1]…k[m-1] 。请问 k[0]k[1]…*k[m-1] 可能的最大乘积是多少？例如，当绳子的长度是8时，我们把它剪成长度分别为2、3、3的三段，此时得到的最大乘积是18。
输入: 10 输出: 36 解释: 10 = 3 + 3 + 4, 3 × 3 × 4 = 36

这个题需要不断分解，

切分方案	乘积	结论
2=1+1	1×1=1	2 不切分
3=1+2	1×2=2	3 不切分
4=2+2=1+3	2×2=4>1×3=3	4 和 2 等价，且左边更优（特例）
5=2+3=1+4	2 × 3 = 6 > 1×2×2=4	5 应切分为 2+3更大
6=3+3=2+2+2	3×3=9>2×2×2=8	6 应切分为 3+3 ，进而推出 3 比 2 更优
7=3+2+2	3×2×2=12	可以转换为1-6的方案
8=2+2+2+2=3+3+2=	16<18	可以转换为1-6的方案
…

得出一个结论：大部分情况下3越多越好（疯狂贪3），需要推导公式看这

class Solution:
    def cuttingRope(self, n: int) -> int:
        if n <= 3: return n - 1
        m, z = n // 3, n % 3
        if z == 0: return int(math.pow(3, m))
        if z == 1: return int(math.pow(3, m - 1) * 4)
        return int(math.pow(3, m) * 2)

总结

贪心算法只有在特定情况下才可以使用，总结一下贪心的核心思想：当面临处境的时候只考虑当前情况下最优解，然后从局部去解决全局问题（前提是全局问题可以由局部问题解决）
先分析->判断是否可用贪心->while or 规律完成答题

力扣题汇总

力扣贪心汇总，冲