Python 刷题笔记：贪心算法专题二

最近我们开始练习贪心算法的题目，昨天因为卡在其中一道简单级别的题目上没能更新，今天补更，正好也借着卡的点分享下经验。关于贪心算法的介绍，如果想回顾，可以点上篇来看。

当时的介绍基本引用自诸多官方描述，这两天的相关题目做下来，对贪心算法的感觉却是这更归为一种设计解法的思想，有点拆分步骤或子问题，然后逐个击破的意思。而且这贪心算法的应用，跨度比较大的题目应用起来关联性又不大，还挺麻烦的。

刷这几道题目时，有些刻意练习贪心解法，比较耗时，之后还是要提高效率，先解题，再学习掌握更优算法。来看今儿的题目吧～

题目一

第 1029 题：两地调度

难度：简单

公司计划面试 2N 人。第 i 人飞往 A 市的费用为 costs[i][0]，飞往 B 市的费用为 costs[i][1]。

返回将每个人都飞到某座城市的最低费用，要求每个城市都有 N 人抵达。

示例

输入：[[10,20],[30,200],[400,50],[30,20]]
输出：110
解释：
第一个人去 A 市，费用为 10。
第二个人去 A 市，费用为 30。
第三个人去 B 市，费用为 50。
第四个人去 B 市，费用为 20。

最低总费用为 10 + 30 + 50 + 20 = 110，每个城市都有一半的人在面试。
#来源：力扣（LeetCode）
#链接：https://leetcode-cn.com/problems/two-city-scheduling

题目分析

昨天我就是卡在了这道题，先说下我最初分析：既然要用贪心算法，这里有 2N 个人即 N 对人，那么我们一对对来分析，只要保证每新增一对，花费是最低的，那么最终也将是最低费用。

我们用一张图来展示题目中示例分析过程：

思路尝试

按照刚的设想，每增加一对人，我们先对他们俩的费用分析，其中一个分配去 A、另一个去 B。

但这时，要去 A 的人还要和已经被安排去 B 的所有人来进行比较，看有没有更便宜的组合来对调；同理，要去 B 的这位也要在被安排去 A 的人里进行比较一番，若有更便宜组合则对调，没有的话就按此分配。

这样，每一对人，我们都拿到了最低的分配费用，那么累计 N 对后的 2N 个人，其价格也是最低的。

代码实现

class Solution:
    def twoCitySchedCost(self, costs: List[List[int]]) -> int:
		# 分配去 A 的名单
        list_A=[]
        # 分配去 B 的名单
        list_B=[]
        # 总人数
        length = len(costs)
		# 人数分成 n 对
        n = length//2
        # 是否要与分配好的人对调
        swap = False
		# 定义一个判断目前去AB的组合是否价格最优
        def check_AB(p,q):
        	# 若 p 去 A、q 去 B 的价格 低于 q 去 A、p 去 B 的价格
            if costs[p][0]+costs[q][1]