贪心算法的简单介绍:
贪心算法的核心思想是寻找最优解的问题,但它得出的解却不一定是最有解。因为贪心算法是把问题分成若干个子问题,在子问题中寻找最优解,这样得出的解只是局部最优解,并未考虑长远,因此累加起来可能并不是最优解,只能看成近似最优。
例如上图,根据贪心算法思想,从v1到v4的最短路径是 v1 -> v3 -> v4,因为贪心永远考虑局部最优,在有负边的情况下得出错误解。
贪心算法的例子:
其实之前学过的Dijkstra 、Prim、Kruskal、选择排序等算法都使用了贪心算法的思想。每次循环找局部最优。
贪心算法是一种在每一步选择中都采取在当前状态下最好或最优(即最有利)的选择,从而希望导致结果是最好或最优的算法。这种算法通常用于求解优化问题,如最小生成树、背包问题等。
下面我们来看一道例题
例题:零钱兑换Ⅱ(Leetcode518)
这道题有两种解法:①递归(暴力解法) ②动态规划
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.ListIterator;
/**
* 518. 零钱兑换 II
*/
public class Leetcode518 {
public int change(int amount, int[] coins) {
return rec(0, coins, amount, new LinkedList<>(), true);
}
/**
* 求凑成剩余金额的解的个数
*
* @param index 当前硬币索引
* @param coins 硬币面值数组
* @param remainder 剩余金额
* @param stack
* @param first
* @return 解的个数
*/
public int rec(int index, int[] coins, int remainder, LinkedList<Integer> stack, boolean first) {
//首次调用没有进行组合硬币操作
if (!first) {
//拿到当前正在处理的硬币
stack.push(coins[index]);
}
//remainder < 0, 无解
int count = 0;
if (remainder < 0) {
print("无解", stack);
} else if (remainder == 0) {
//remainder == 0, 有解
print("有解", stack);
count = 1;
} else {
//remainder > 0, 继续递归
for (int i = index; i < coins.length; i++) {
count += rec(i, coins, remainder - coins[i], stack, false);
}
}
if (!stack.isEmpty()) {
stack.pop();
}
return count;
}
public static void main(String[] args) {
Leetcode518 leetcode = new Leetcode518();
System.out.println(leetcode.change(5, new int[]{1, 2, 5}));
}
private static void print(String prompt, LinkedList<Integer> stack) {
//定义一个ArrayList<Integer>类型的变量print,并初始化它为空。
ArrayList<Integer> print = new ArrayList<>();
//获取stack列表的反向迭代器。这意味着我们可以从列表的最后一个元素开始迭代。
ListIterator<Integer> iterator = stack.listIterator(stack.size());
while (iterator.hasPrevious()) { //使用while循环和ListIterator的hasPrevious方法,当还有前面的元素时,循环将继续。
//在循环体内,使用ListIterator的previous方法获取 上一个元素(即最近添加到列表的元素)并将其添加到print列表中。
print.add(iterator.previous());
}
System.out.println(prompt + print);
}
}
/*
* 递归过程分析 参数一:代表正在处理的硬币 参数二:剩余金额
* 这是一个多路递归 慢慢来
* 先分析循环里的递归(分析大概的架子),不要一条路一直分析下去
* rec(1,5)
* rec(1,4)
* / rec(1,3)
* / / rec(1,2)
* / / / rec(1,1)
* / / / / rec(1,0) 1
* / / / / rec(2,-1) 0
* / / / / rec(5,-4) 0
* / / / rec(2,0) 1
* / / / rec(5,-3) 0
* / / rec(2,1) //注意:这里index从2分硬币开始,不会与前面的1分硬币组合
* / / / rec(2,-1) 0
* / / / rec(5,-4) 0
* / / rec(5,-2) 0
* / rec(2,2)
* / / rec(2,0) 1
* / / rec(5,-3) 0
* / rec(5,-1) 0
* rec(2,3)
* / rec(2,1)
* / / rec(2,-1) 0
* / / rec(5,-4) 0
* / rec(5,-2) 0
* rec(5,0) 1
* */
运行效果:
从以上代码看,这样递归效率特别低,递归的规模很大,我们可以适当地优化一下。
从我们的生活经验来分析,硬币组合从小到大来组合是更容易产生无解的情况,如果从大的硬币开始组合无解的情况会更少。
public static void main(String[] args) {
Leetcode518 leetcode = new Leetcode518();
int count = leetcode.change(5, new int[]{5, 2, 1});
//int count = leetcode.change(5, new int[]{1, 2, 5});
System.out.println(count);
}
/*
* rec(5,5)
* rec(5,0) 1
* rec(2,3)
* rec(2,1)
* rec(2,-1) 0
* rec(1,0) 1
* rec(1,2)
* rec(1,1)
* rec(1,0) 1
* rec(1,4)
* rec(1,3)
* rec(1,2)
* rec(1,1)
* rec(1,0) 1
* */
运行效果:
由此可见,换个顺序,递归规模减少了很多。
我们再来看一道例题
例题2:零钱兑换(Leetcode322)
这题的解法和上一题差不多,还是先上暴力解法
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.ListIterator;
import java.util.concurrent.atomic.AtomicInteger;
/**
* 322. 零钱兑换
*/
public class Leetcode322 {
static int min = -1;
public int coinChange(int amount, int[] coins) {
rec(0, coins, amount, new AtomicInteger(-1), new LinkedList<>(), true);
return min;
}
/**
* 求凑成剩余金额的解的个数
* @param index 当前硬币索引
* @param coins 硬币面值数组
* @param remainder 剩余金额
* @param stack
* @param first
* @return 解的个数
*/
//count代表某一组合 钱币的总数
public void rec(int index, int[] coins, int remainder, AtomicInteger count, LinkedList<Integer> stack, boolean first) {
//首次调用没有进行组合硬币操作
if (!first) {
//拿到当前正在处理的硬币
stack.push(coins[index]);
}
count.getAndIncrement(); //count++
//remainder > 0, 继续递归
if (remainder > 0) {
for (int i = index; i < coins.length; i++) {
rec(i, coins, remainder - coins[i], count, stack, false);
}
} else if (remainder == 0) {
//remainder == 0, 有解
System.out.println(stack);
if(min == -1){
min = count.get();
}else{
min = Integer.min(min, count.get());
}
}
count.getAndDecrement(); //count--
if (!stack.isEmpty()) {
stack.pop();
}
}
public static void main(String[] args) {
Leetcode322 leetcode = new Leetcode322();
//int count = leetcode.change(5, new int[]{5, 2, 1});
//int count = leetcode.coinChange(5, new int[]{1, 2, 5});
int count = leetcode.coinChange(41, new int[]{25, 10, 5, 1});
//int count = leetcode.coinChange(21, new int[]{15, 10, 1});
System.out.println(count);
}
private static void print(String prompt, LinkedList<Integer> stack) {
//定义一个ArrayList<Integer>类型的变量print,并初始化它为空。
ArrayList<Integer> print = new ArrayList<>();
//获取stack列表的反向迭代器。这意味着我们可以从列表的最后一个元素开始迭代。
ListIterator<Integer> iterator = stack.listIterator(stack.size());
while (iterator.hasPrevious()) { //使用while循环和ListIterator的hasPrevious方法,当还有前面的元素时,循环将继续。
//在循环体内,使用ListIterator的previous方法获取 上一个元素(即最近添加到列表的元素)并将其添加到print列表中。
print.add(iterator.previous());
}
System.out.println(prompt + print);
}
}
这样写上去在leetcode上会超时,效率太低了。
再来看一下贪心解法,贪心算法有可能会得出错误的解,不过贪心算法适用于正常的货币组合,货币不会出现比较恶心的面值 比如 15 10 1 ... 当我们要组成20的时候。
思路:我们需要准备两个变量,①remainder(剩余金额) ②count(记录硬币个数)
public int coinChange(int amount, int[] coins) { //15 10 假设要凑够20
//每次循环找到当前最优解:面值最大的硬币,它凑出来的硬币数最小
int remainder = amount; //20
int count = 0;
for (int coin : coins) {
while (remainder > coin) { // coin:15 当剩余金额小于当前硬币面值,不会执行减钱操作
remainder -= coin; // 5
count++; //1
}
if (coin == remainder) {
remainder = 0;
count++;
break;
}
}
//因此remainder 只能存在大于或等于0这两种情况
if (remainder > 0) {
return -1;
} else {
return count;
}
}