目录
贪心算法理论基础
定义
贪心的本质是选择每一阶段的局部最优,从而达到全局最优。
例如,有一堆不同数值的钞票,可以拿走十张,如果想达到最大的金额可以指定每次拿最大的,最终结果就是拿走最大数额的钱。
每次拿最大的就是局部最优,最后拿走最大数额的钱就是推出全局最优。
使用场景
贪心算法并没有固定的套路,唯一的难点就是如何通过局部最优,推出整体最优。
题目是否能用贪心,得靠手动模拟实例,如果举不到反例,代表模拟可行,就可以试一试贪心策略,如果不可行,可能需要动态规划。
一般解题步骤
贪心算法一般分为如下四步:
- 将问题分解为若干个子问题
- 找出适合的贪心策略
- 求解每一个子问题的最优解
- 将局部最优解堆叠成全局最优解
但做题的时候,只要想清楚 局部最优 是什么,如果推导出全局最优,那解题思路就到了,贪心没有套路,就是常识性推导加上举反例。
算法题
Leetcode 455.分发饼干
题目链接:455.分发饼干
大佬视频讲解:分发饼干视频讲解
个人思路
有不同胃口的小孩和不同规格的饼干,可以优先用大饼干满足大胃口的孩子,,最后能得到最多可以满足几个孩子胃口.这样得到局部最优从而推出全局最优,可以用贪心法
解法
贪心法
优先考虑胃口,先喂饱大胃口.先将饼干数组和小孩数组排序。然后从后向前遍历小孩数组,用大饼干优先满足胃口大的,并统计满足小孩数量.
class Solution {
public int findContentChildren(int[] g, int[] s) {
Arrays.sort(g);//排序
Arrays.sort(s);
int count = 0;
int start = s.length - 1;//饼干数组长度
for (int index = g.length - 1; index >= 0; index--) { // 遍历胃口
if(start >= 0 && g[index] <= s[start]) {//从后往前遍历:先满足大胃口的
start--;
count++;
}
}
return count;
}
}
时间复杂度:O(nlogn);(排序操作的时间复杂度通常是O(n log n),遍历是n,取最大)
空间复杂度:O(n);(排序操作在最坏情况下可能需要O(n)的额外空间)
Leetcode 376. 摆动序列
题目链接:376. 摆动序列
大佬视频讲解:摆动序列视频讲解
个人思路
思路有点混乱...
解法
贪心法
首先搞清楚如何修改数组,因为要求删除元素使其达到最大摆动序列,应该删除单调上多余的节点
用示例二来举例,如图所示:
局部最优:删除单调坡度上的节点(不包括单调坡度两端的节点),那么这个坡度就可以有两个局部峰值。整体最优:整个序列有最多的局部峰值,从而达到最长摆动序列。
局部最优推出全局最优,并举不出反例,那么可以贪心!
因为题目要求的是最长摆动子序列的长度,所以只需要统计数组的峰值数量,然后删除单一坡度上的节点
先加两个变量,curdiff 和 prediff 计算当前和前一个的峰值情况。
在计算是否有峰值的时候,需要要考虑三种情况:
情况一:上下坡中有平坡
例如 [1,3,3,3,1]这样的数组,如图:
这里的摇摆序列长度是是 3,可以统一规则,删除左边的三个 2;
在遍历时,当 i 指向第一个 2 的时候,
prediff > 0 && curdiff = 0
;当 i 指向最后一个 2 的时候prediff = 0 && curdiff < 0
;删除左边的三个 2后,prediff = 0 && curdiff < 0
也要记录一个峰值,因为这是把之前相同的元素都删掉留下的峰值。
所以记录峰值的条件应该是: (preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)
这里允许 prediff == 0 ,就是上下坡中有平坡这种情况。
情况二:数组首尾两端
这种情况需要考虑数组最左面和最右面,如下图;
针对这种情况,result 初始为 1(默认最右面有一个峰值),此时 curDiff > 0 && preDiff <= 0,那么 result++(计算了左面的峰值),最后得到的 result 就是 2(峰值个数为 2 即摆动序列长度为 2)
情况三:单调坡中有平坡
在一个单调坡度上有平坡,例如[1,3,3,3,4,6]
如果只考虑上面两种情况,那么实时更新了 prediff就会有问题。
所以需要修改更新配prediff的时机,改为这个坡度 摆动变化的时候,更新 prediff 就行,这样 prediff 在 单调区间有平坡的时候 就不会发生变化,造成误判。
class Solution {
public int wiggleMaxLength(int[] nums) {
if (nums.length <= 1) {
return nums.length;
}
int curDiff = 0; //当前差值
int preDiff = 0;//上一个差值
int count = 1;//摆动序列长度
for (int i = 1; i < nums.length; i++) {
curDiff = nums[i] - nums[i - 1];//得到当前差值
//如果当前差值和上一个差值为一正一负
//等于0的情况表示初始时的preDiff
if ((curDiff > 0 && preDiff <= 0) || (curDiff < 0 && preDiff >= 0)) {
count++;
preDiff = curDiff;//更新preDiff
}
}
return count;
}
}
时间复杂度:O(n);(遍历整个数组)
空间复杂度:O(1);(常量级的变量)
Leetcode 53. 最大子序和
题目链接:53. 最大子序和
大佬视频讲解:最大子序和视频讲解
个人思路
因为局部最优的情况下,并记录最大的“连续和”,可以推出全局最优,所以可以用贪心。
解法
贪心法
遍历数组,累加和,当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小.
这相当于是暴力解法中的不断调整最大子序和区间的起始位置。
class Solution {
public int maxSubArray(int[] nums) {
if (nums.length == 1){
return nums[0];
}
int res= Integer.MIN_VALUE;//初始化为最小负数
int sum= 0;
for (int i = 0; i < nums.length; i++){
sum+= nums[i];
res= Math.max(res, sum); // 取区间累计的最大值
if (sum<= 0){
sum= 0; // 重置最大子序起始位置,因为遇到负数一定是拉低总和
}
}
return res;
}
}
时间复杂度:O(n);(遍历整个数组)
空间复杂度:O(1);(常量级变量)
以上是个人的思考反思与总结,若只想根据系列题刷,参考卡哥的网址代码随想录算法官网