目录
贪心算法
通过局部最优推出整体最优。
何时使用:手动模拟可以通过局部最优推出整体最优,并且找不到反例时
步骤:
- 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
题目链接:455.分发饼干
思路
为了能够满足更多的孩子,必须要充分的利用饼干,例如饼干9应该喂给比9小但是最接近9的孩子。
首先对两个数组进行排序,这样孩子的胃口和饼干的尺寸都是从小到大的排列
然后从胃口最大的孩子往前遍历,判断最后一个饼干,也就是尺寸最大的饼干能否满足他
如果能够满足,数组下标都往前移动,判断下一组
如果不能满足,最大尺寸的饼干都不能满足这个孩子,就跳过,找胃口稍微小一点的
代码
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
int result = 0;
int index = s.size() - 1;
// 循环孩子,从胃口最大开始
for (int i = g.size() - 1; i >= 0; i--) {
// index>=0说明还有饼干
// 后面的大于说明饼干尺寸可以满足当前孩子的胃口
// 判断饼干,从尺寸最大开始
if (index >= 0 && s[index] >= g[i]) {
result++;
index--;
}
}
return result;
}
};
题目链接:376. 摆动序列
思路
数组中前后元素之差一正一负才算摆动,同时涉及到三个元素,这样才有两个差值prediff和curdiff进行比较。返回的是摆动序列的最长子序列的长度,而不是摆动次数,所以长度最短为1。需要注意以下几点:
如果数组中只有两个元素,不能得到两个差,而长度最短为1,所以在初始化时将prediff设为0,可以将这种情况包含进去。curdiff开始遍历时就要更改,所以初始化的数值不重要。
平坡的情况,一是平坡后方向改变,有摆动;二是平坡后方向不变,无摆动。所以在更新prefdiff上有点技巧,只有当方向改变时,也就是result加1的时候才进行更新,在平坡部分不更新。
代码
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
// 数组长度为1,直接返回
if (nums.size() == 1)
return 1;
int result = 1; // 最长子序列长度最小为1
int prediff = 0;
int curdiff = 0;
// 因为同时需要三个值,i-1,i,i+1,所以遍历到倒数第二个元素即可
for (int i = 0; i < nums.size() - 1; i++) {
curdiff = nums[i + 1] - nums[i]; // 计算当前的差值
if ((prediff >= 0 && curdiff < 0) ||
(prediff <= 0 && curdiff > 0)) {
// 前后差值异号时,子序列长度加1
result++;
// 差值异号时更新prediff,避免平坡时的误判
prediff = curdiff;
}
}
return result;
}
};
题目链接:53. 最大子序和
思路
最大子序和,既然是数组中连续加和,可以双层循环,遍历所有的子序列,找到最大和,但是效率太低。利用贪心算法,从头连续加和,当和为负数时,抛弃前面的序列,从下一个位置开始重新加和,在此过程中保存和的最大值。以局部最优可推出整体最优。
代码
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = INT_MIN; // 用来保存最大和
int sum = 0; // 用来记录当前和
for (int i = 0; i < nums.size(); i++) {
sum += nums[i]; // 记录当前和
// 如果当前和大于result,更新
result = sum > result ? sum : result;
// 如果当前和小于0,舍弃,从下一位置重新开始加和
sum = sum > 0 ? sum : 0;
}
return result;
}
};
总结
①贪心算法,以局部最优推整体最优
②不像之前的题有清晰的模板,贪心算法是一种解题的思想,题目之间差异很大,所以不能套用模板,更应该理解思想,理解题目
③多刷题找贪心思想的规律与手感,记得复习前面的章节