贪心算法：leetcode 860.柠檬水找零、406.根据身高重建队列、452.用最少数量的箭引爆气球

leetcode 860.柠檬水找零

leetcode 406.根据身高重建队列

leetcode 452.用最少数量的箭引爆气球

leetcode 860.柠檬水找零

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

本题的贪心就在于情况三：选择优先消耗一个10和一个5，因为5可以用于账单10和20的找零，5的作用范围更大。

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。

class Solution {
public:
    bool lemonadeChange(vector<int>& bills) {
        int five = 0;
        int ten = 0;
        int twenty = 0;
        for(int bill : bills){
            if(bill == 5){
                five++;
            }
            if(bill == 10){
                if(five <= 0) return false;
                ten++;
                five--;
            }
            if(bill == 20){
                if(five > 0 && ten > 0){
                    twenty++;
                    five--;
                    ten--;
                }
                else if(five > 2){
                    five -= 3;
                    twenty++;
                }
                else{
                    return false;
                }
            }
        }
        return true;
    }
};

leetcode 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 1：

• 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。

本题与leetcode 135.分发糖果类似，其技巧都是先贪心确定一边然后贪心另一边。

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。

如果先考虑k维度，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。

如果按照身高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。

按照身高排序之后，优先按身高高的people的k来插入，后序插入节点也不会影响前面已经插入的节点，最终按照k的规则完成了队列。

所以在按照身高从大到小排序后：

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

整体代码如下:

class Solution {
private:
    static bool cmp(const vector<int>& a, const vector<int>& b){
        if(a[0] == b[0]) return a[1] < b[1];
        return a[0] > b[0];
    }
public:
    vector<vector<int>> reconstructQueue(vector<vector<int>>& people) {
        sort(people.begin(), people.end(), cmp);
        vector<vector<int>> result;
        for(int i = 0; i < people.size(); i++){
            int index = people[i][1];
            result.insert(result.begin() + index, people[i]);
        } 
        return result;
    }
};

• 时间复杂度：O(nlog n + n^2)

• 空间复杂度：O(n)

但使用vector是非常费时的，C++中vector（可以理解是一个动态数组，底层是普通数组实现的）如果插入元素大于预先普通数组大小，vector底部会有一个扩容的操作，即申请两倍于原先普通数组的大小，然后把数据拷贝到另一个更大的数组上。

所以使用vector（动态数组）来insert，是费时的，插入再拷贝的话，单纯一个插入的操作就是O(n^2)了，甚至可能拷贝好几次，就不止O(n^2)了。

于是改成链表：

class Solution {
private:
    static bool cmp(const vector<int>& a, const vector<int>& b){
        if(a[0] == b[0]) return a[1] < b[1];
        return a[0] > b[0];
    }
public:
    vector<vector<int>> reconstructQueue(vector<vector<int>>& people) {
        sort(people.begin(), people.end(), cmp);
        list<vector<int>> result;    // // list底层是链表实现，插入效率比vector高的多
        for(int i = 0; i < people.size(); i++){
            int index = people[i][1];
            std::list<vector<int>>::iterator it = result.begin();
            while(index--){
                it++;
            }
            result.insert(it, people[i]);
        }
        return vector<vector<int>>(result.begin(), result.end());
    }
};

从下图可见程序执行的效率高了不少：

为什么链表的插入效率要高于vector呢？

首先要明确vector的底层实现也是数组，它准确来说是一个“容器”，被称为动态数组。

动态数组，就是可以不用关心初始时候的大小，可以随意往里放数据。

vector的大小有两个维度一个是size一个是capicity，size就是我们平时用来遍历vector时候用的，例如：vec.size()。

而capicity是vector底层数组（就是普通数组）的大小，capicity可不一定就是size。

当insert数据的时候，如果已经大于capicity，capicity会成倍扩容，但对外暴漏的size其实仅仅是+1。

那么既然vector底层实现是普通数组，怎么扩容的？

就是重新申请一个二倍于原数组大小的数组，然后把数据都拷贝过去，并释放原数组内存。

上题中我们使用vector来做insert的操作，此时会发现，虽然表面上复杂度是O(n^2)，但是其底层都不知道额外做了多少次全量拷贝了，所以算上vector的底层拷贝，整体时间复杂度可以认为是O(n^2 + t × n)级别的，t是底层拷贝的次数。所以使用链表的insert()效率要高于vector。

leetcode 452.用最少数量的箭引爆气球

在二维空间中有许多球形的气球。对于每个气球，提供的输入是水平方向上，气球直径的开始和结束坐标。由于它是水平的，所以纵坐标并不重要，因此只要知道开始和结束的横坐标就足够了。开始坐标总是小于结束坐标。

一支弓箭可以沿着 x 轴从不同点完全垂直地射出。在坐标 x 处射出一支箭，若有一个气球的直径的开始和结束坐标为 xstart，xend， 且满足 xstart ≤ x ≤ xend，则该气球会被引爆。可以射出的弓箭的数量没有限制。 弓箭一旦被射出之后，可以无限地前进。我们想找到使得所有气球全部被引爆，所需的弓箭的最小数量。

给你一个数组 points ，其中 points [i] = [xstart,xend] ，返回引爆所有气球所必须射出的最小弓箭数。

示例 1：

• 输入：points = [[10,16],[2,8],[1,6],[7,12]]

• 输出：2

• 解释：对于该样例，x = 6 可以射爆 [2,8],[1,6] 两个气球，以及 x = 11 射爆另外两个气球

贪心：

局部最优：当气球出现重叠，一起射，所用弓箭最少。全局最优：把所有气球射爆所用弓箭最少。

如果真实的模拟射气球的过程，应该射一个，气球数组就remove一个元素，这样最直观。但仔细思考一下就发现：如果把气球排序之后，从前到后遍历气球，被射过的气球仅仅跳过就行了，没有必要让气球数组remove气球，只要记录一下箭的数量就可以了。

为了让气球尽可能的重叠，需要对数组进行排序。这里使用xstart或者xend排序均可，只是代码后面要分别对重叠气球的右边界/左边界进行判断和更新。

代码如下：

使用xstart排序：

class Solution {
private:
    static bool cmp(const vector<int>& a, const vector<int>& b){
        return a[0] < b[0];
    }
public:
    int findMinArrowShots(vector<vector<int>>& points) {
        if(points.size() == 0) return 0;
        sort(points.begin(), points.end(), cmp);
        int result = 1;
        for(int i = 1; i < points.size(); i++){
            if(points[i][0] > points[i - 1][1]){
                result++;
            }
            else{
                points[i][1] = min(points[i - 1][1], points[i][1]);     // update
            }
        }
        return result;
    }
};

使用xend排序：

class Solution {
private:
    static bool cmp(const vector<int>& a, const vector<int>& b){
        return a[1] < b[1];
    }
public:
    int findMinArrowShots(vector<vector<int>>& points) {
        if(points.size() == 0) return 0;
        sort(points.begin(), points.end(), cmp);
        int result = 1;
        for(int i = points.size() - 2; i >= 0; i--){
            if(points[i][1] < points[i + 1][0]){
                result++;
            }
            else{
                points[i][0] = max(points[i + 1][0], points[i][0]);     // update
            }
        }
        return result;
    }
};