leetcode-135.分发糖果(Hard)(贪心算法Part2)

这篇博客讨论了一种使用贪心算法解决儿童分糖问题的方法,确保每个孩子至少得到一颗糖果,并且相邻的孩子如果评分更高则会得到更多糖果。通过两次遍历数组,实现了满足题目要求的糖果分配策略,时间复杂度为O(n)。博客还引用了《高效人士的七个习惯》中的观点,强调关注和影响圈的重要性。
摘要由CSDN通过智能技术生成

题目:

n 个孩子站成一排。给你一个整数数组 ratings 表示每个孩子的评分。
你需要按照以下要求,给这些孩子分发糖果:
每个孩子至少分配到 1 个糖果。
相邻两个孩子评分更高的孩子会获得更多的糖果。
请你给每个孩子分发糖果,计算并返回需要准备的 最少糖果数目 。

示例1:

输入:ratings = [1,0,2]
输出:5
解释:你可以分别给第一个、第二个、第三个孩子分发 2、1、2 颗糖果。

示例2:

输入:ratings = [1,2,2]
输出:4
解释:你可以分别给第一个、第二个、第三个孩子分发 1、2、1 颗糖果。
第三个孩子只得到 1 颗糖果,这满足题面中的两个条件。

分析:

不是所有的贪心算法类都需要排序。本题中只需要简单前后两次遍历即可,时间复杂度为O(n)。
先初始化所有的孩子糖果为1:1:1
第一遍从前到后遍历。若右边比左边的孩子评分高,则右边孩子糖果数=左边孩子糖果数+1
第二遍从后向前遍历。若左边孩子比右边孩子评分高,且左边孩子糖果数不大于右边孩子糖果数时,则左边孩子糖果数=右边孩子糖果数+1。
本题的贪心策略为先解决临近的两个孩子的糖果数量,继而全局最优。

Code:

class Solution {
public:
    int candy(vector<int>& ratings) {
        int length = ratings.size();
        if(length<2){
            return length;
        }
        //初始化can数组时,数组长度是length,初始化数组内所有的值为1
        vector<int> can(length,1);  
        //left to right
        for(int i=0;i<(length-1);++i){
            if(ratings[i]<ratings[i+1]){
                can[i+1] = can[i] + 1;
            }
        }
        //right to left
        for(int j=(length-1);j>0;--j){
            if(ratings[j]<ratings[j-1]){
                can[j-1] = max(can[j-1],can[j]+1);
            }
        }
        return accumulate(can.begin(),can.end(),0); 	//第一二个参数是累加范围,第三个参数是从几开始累加
    }
};

tips:

人生活的全部由两个圈子组成,一个是关注圈,一个是影响圈。(摘自《高效人士的七个习惯》)
关注圈是你所关注的那些但是不能被你改变的事情。比如:明星八卦,国际战争,短视频。
影响圈是你能通过自己间接或直接进行改变的事情。比如:思考一道算法题,看两遍JVM的GC机制。
这两个圈不应该同样大小,也不应该关注圈大于影响圈。我们应该多去关注自己,把影响圈扩大。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值