贪心算法的学习；leetcode--334. 递增的三元子序列；11. 盛最多水的容器；646. 最长数对链

leetcode每日一题：

334. 递增的三元子序列

给你一个整数数组 nums ，判断这个数组中是否存在长度为 3 的递增子序列。

如果存在这样的三元组下标 (i, j, k) 且满足 i < j < k ，使得 nums[i] < nums[j] < nums[k] ，返回 true ；否则，返回 false 。

示例 1：

输入：nums = [1,2,3,4,5]
输出：true
解释：任何 i < j < k 的三元组都满足题意

示例 2：

输入：nums = [5,4,3,2,1]
输出：false
解释：不存在满足题意的三元组

示例 3：

输入：nums = [2,1,5,0,4,6]
输出：true
解释：三元组 (3, 4, 5) 满足题意，因为 nums[3] == 0 < nums[4] == 4 < nums[5] == 6

代码：

class Solution {
    public boolean increasingTriplet(int[] nums) {
        int first = 2147483647, second = first;
        for (int n: nums) 
            if (n <= first) first = n;
            else if (n <= second) second = n;
            else return true;
        return false;
    }
}

三叶姐姐的题解：

最长上升子序列（贪心 + 二分）
题目要我们判断是否存在长度为 33 的上升子序列，问题可以转换为求 numsnums 的最长上升子序列（LIS 问题）的长度。

如果 numsnums 的最长上升子序列长度大于等于 33，那么原问题答案为 True，否则为 False。

而求最长上升子序列的最优解是有基于「贪心 + 二分」的 O(n\log{n})O(nlogn) 做法，对此不了解的同学，可以先看前置 🧀 ：LCS 问题与 LIS 问题的相互关系，以及 LIS 问题的最优解证明，里面详细讲解了 LIS 的贪心解证明，以及与最长公共子序列（LCS 问题）的相互关系，本次不再赘述。

简单来说，就是在遍历每个数 nums[i]nums[i] 的同时，维护一个具有单调性的 f[]f[] 数组，其中 f[len] = xf[len]=x 代表长度为 lenlen 的最长上升子序列最小结尾元素为 xx，可以证明 ff 数组具有单调性（看 前置🧀），因此每次可以通过二分找到小于 nums[i]nums[i] 的最大下标，来作为 nums[i]nums[i] 的前一个数。

综上，我们使用 LIS 的「贪心 + 二分」做法求得最长上升子序列的最大长度，然后和 33 比较即可得出答案。

class Solution {
    public boolean increasingTriplet(int[] nums) {
        int n = nums.length, ans = 1;
        int[] f = new int[n + 1];
        Arrays.fill(f, 0x3f3f3f3f);
        for (int i = 0; i < n; i++) {
            int t = nums[i];
            int l = 1, r = i + 1;
            while (l < r) {
                int mid = l + r >> 1;
                if (f[mid] >= t) r = mid;
                else l = mid + 1;
            }
            f[r] = t;
            ans = Math.max(ans, r);
        }
        return ans >= 3;
    }
}

• 时间复杂度：O(n\log{n})O(nlogn)
• 空间复杂度：O(n)O(n)

利用本题只需要我们判定是否存在长度为 33 的上升子序列，而不需要回答 LIS 最大长度。

我们可以对 ff 数组进行优化：使用有限变量进行替换（将 ff 数组的长度压缩为 22），数组含义不变，f[1] = xf[1]=x 代表长度为 11 的上升子序列最小结尾元素为 xx，f[2] = yf[2]=y 代表长度为 22 的上升子序列的最小结尾元素为 yy。

从前往后扫描每个 nums[i]nums[i]，每次将 nums[i]nums[i] 分别与 f[1]f[1] 和 f[2]f[2] 进行比较，如果能够满足 nums[i] > f[2]nums[i]>f[2]，代表 nums[i]nums[i] 能够接在长度为 22 的上升子序列的后面，直接返回 True，否则尝试使用 nums[i]nums[i] 来更新 f[1]f[1] 和 f[2]。f[2]。

这样，我们只使用了有限变量，每次处理 nums[i]nums[i] 只需要和有限变量进行比较，时间复杂度为 O(n)O(n)，空间复杂度为 O(1)O(1)。

class Solution {
    public boolean increasingTriplet(int[] nums) {
        int n = nums.length;
        long[] f = new long[3];
        f[1] = f[2] = (int)1e19;
        for (int i = 0; i < n; i++) {
            int t = nums[i];
            if (f[2] < t) return true;
            else if (f[1] < t && t < f[2]) f[2] = t;
            else if (f[1] > t) f[1] = t;
        }
        return false;
    }
}

贪心算法：

寻找问题的最优解，这种方法模式一般将求解过程分成若干个步骤，但每个步骤都应用贪心原则，选取当前状态下的最好/最优的选择（局部最有利的选择），并以此希望最后堆叠出的结果也是最好的。最优的解。

贪婪法的基本步骤：

步骤1：从某个初始解出发；
步骤2：采用迭代的过程，当可以向目标前进一步时，就根据局部最优策略，得到一部分解，缩小问题规模；
步骤3：将所有解综合起来。

贪心算法的优缺点

优点：简单，高效，省去了为了找最优解可能需要穷举操作，通常作为其它算法的辅助算法来使用；

缺点：不从总体上考虑其它可能情况，每次选取局部最优解，不再进行回溯处理，所以很少情况下得到最优解。

练习题1:

11. 盛最多水的容器

给你 n 个非负整数 a1，a2，…，an，每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线，垂直线 i 的两个端点分别为 (i, ai) 和 (i, 0) 。找出其中的两条线，使得它们与 x 轴共同构成的容器可以容纳最多的水。

说明：你不能倾斜容器。

示例 1：
输入：[1,8,6,2,5,4,8,3,7]
输出：49
解释：图中垂直线代表输入数组 [1,8,6,2,5,4,8,3,7]。在此情况下，容器能够容纳水（表示为蓝色部分）的最大值为 49。

示例 2：

输入：height = [1,1]
输出：1

示例 3：

输入：height = [4,3,2,1,4]
输出：16

示例 4：

输入：height = [1,2,1]
输出：2

public class Solution {
    public int maxArea(int[] height) {
        int l = 0, r = height.length - 1;
        int ans = 0;
        while (l < r) {
            int area = Math.min(height[l], height[r]) * (r - l);
            ans = Math.max(ans, area);
            if (height[l] <= height[r]) {
                ++l;
            }
            else {
                --r;
            }
        }
        return ans;
    }
}

练习题2：

646. 最长数对链

给出 n 个数对。 在每一个数对中，第一个数字总是比第二个数字小。

现在，我们定义一种跟随关系，当且仅当 b < c 时，数对(c, d) 才可以跟在 (a, b) 后面。我们用这种形式来构造一个数对链。

给定一个数对集合，找出能够形成的最长数对链的长度。你不需要用到所有的数对，你可以以任何顺序选择其中的一些数对来构造。

示例：

输入：[[1,2], [2,3], [3,4]]
输出：2
解释：最长的数对链是 [1,2] -> [3,4]

class Solution {
    public int findLongestChain(int[][] pairs) {
        Arrays.sort(pairs,(a,b)-> a[1]-b[1]);
        int res = 1,tmp = pairs[0][1];
        for(int i = 1;i < pairs.length;i++){
            if(pairs[i][0] > tmp){
                res++;
                tmp = pairs[i][1];
            }
        }
        return res;
    }
}