所有的题型目录在下面的链接
LeetCode相关典型题解合集(两百多道题)
贪心和动态规划本质的区别是什么?
两者相似的地方在于技巧性地设计子问题。
动态规划希望复用子问题的解,最好被反复依赖。其本质还是穷举,所以当前并不知道哪个子问题的解会构成最终最优解。但知道这个子问题可能会被反复计算,所以把结果缓存起来。整个过程是树状的搜索过程。
贪心希望每次都能排除一堆子问题。它不需要复用子问题的解,当前最优解从子问题最优解即可得出。整个过程是线性的推导过程。
贪心算法具有后无效性
贪心法
- 贪心和动态规划本质的区别是什么?
- 455. Assign Cookies (Easy)
- 121. Best Time to Buy and Sell Stock (Easy)
- 122. Best Time to Buy and Sell Stock II (Easy)
- 665. Non-decreasing Array (Easy)
- 605. Can Place Flowers (Easy)
- 53. Maximum Subarray (Easy)
- 435. Non-overlapping Intervals (Medium)
- 452. Minimum Number of Arrows to Burst Balloons (Medium)
- 406. Queue Reconstruction by Height(Medium)
- 392. Is Subsequence (Medium)
- 763. Partition Labels (Medium)
455. Assign Cookies (Easy)
对孩子的胃口g和饼干的大小s进行排序,然后比较就行
int findContentChildren(vector<int>& g, vector<int>& s) {
//先排序
sort(g.begin(),g.end());
sort(s.begin(),s.end());
int num_child=g.size();
int num_cookie=s.size();
int count=0;
for(int i=0,j=0;i<num_child&&j<num_cookie;i++,j++){
//胃口不匹配饼干,饼干索引往后
//饼干数不能越界
while(g[i]>s[j]&&j<num_cookie){
j++;
}
//饼干数只能有给定的那么多
if(j<num_cookie){
count++;
}
}
}
121. Best Time to Buy and Sell Stock (Easy)
股票问题一共有六道:买卖股票的最佳时机 1,2,3,4、含冷冻期、含手续费。
股票问题的方法就是 动态规划,因为它包含了重叠子问题,即买卖股票的最佳时机是由之前买或不买的状态决定的,而之前买或不买又由更早的状态决定的…
思路遍历一遍数组,计算每次 到当天为止 的最小股票价格和最大利润。
int maxProfit(vector<int>& prices) {
int minPrice=1e9;
int maxProfit=0;
for(auto price:prices){
minPrice=price>minPrice?minPrice:price;
maxProfit=(price-minPrice)>maxProfit?(price-minPrice):maxProfit;
}
return maxProfit;
}
122. Best Time to Buy and Sell Stock II (Easy)
思路:重点记住上涨交易日股票的价格等价于每天都买卖,非常重要!
因此遍历整个股票交易日价格列表 price,所有上涨交易日都买卖(赚到所有利润),所有下降交易日都不买卖(永不亏钱)。
int maxProfit(vector<int>& prices) {
int minPrice=1e9;
int maxProfit=0;
for(int i=0;i<prices.size()-1;i++){
if(prices[i]<prices[i+1]){
maxProfit+=prices[i+1]-prices[i];
}
}
return maxProfit;
}
665. Non-decreasing Array (Easy)
思路:这道题必须瞻前顾后才能做
首先定位到出现逆序位的第一位,比如3,4,2,3,其逆序位第一位是4
设此位为i
那么考虑,如果要有序,必须考虑i或者i+1做出改变
那么到底是改变i还是改变i+1,需要瞻前顾后的看
对于3423这个数组来说,4无法改变,因为4变成3,后面又开始出现逆序了。如果4变成了2,那么也还有逆序,对于3425这个数组,同理
这两个数组都有一个共同特征就是i-1>i+1,这种情况下不能改变i,必须改变i+1
对于1254这个数组来说,5这里出现了逆序,设为i。那么因为i-1<i+1,因此改变i即可
以上就是本题的思路
bool checkPossibility(vector<int>& nums) {
int count=0;
for(int i=0;i<nums.size()-1;i++){
if(nums[i]>nums[i+1]){
count++;
//当定位为第一位或者左边小于等于右边时候
if(i==0||nums[i-1]<=nums[i+1]){
nums[i]=nums[i+1];
}
//当左边大于右边的时候
else if(nums[i-1]>nums[i+1]){
nums[i+1]=nums[i];
}
}
}
return count<=1;
}
605. Can Place Flowers (Easy)
思路:就是贪心法,一个一个遍历。考虑一下前后位置和第一个和最后一个位置就行
bool canPlaceFlowers(vector<int>& flowerbed, int n) {
for(int i=0;i<flowerbed.size();i++){
if(flowerbed[i]==0&& (i==0||flowerbed[i-1]==0) &&((i==flowerbed.size()-1)||flowerbed[i+1]==0)){
n--;
if(n<=0){
return true;
}
flowerbed[i]=1;
}
}
//不返回false是因为如果n等于0,又没有种的地儿,返回true
return n<=0;
}
53. Maximum Subarray (Easy)
思路:首先遍历数组,设一个表示数组元素依次相加的合,和一个表示最大值的MaxSum
如果数组元素合小于0,那么sum就等于下一个元素,把之前的合去掉
如果每次循环sum的合大于0,则比较此时的sum和MaxSum的大小,取最大值即可
int maxSubArray(vector<int>& nums) {
int sum=0;
//maxSum之所以不初始化为0,要考虑[-1]这种情况
int maxSum=nums[0];
for(auto n:nums){
sum=0>sum?0:sum;
sum=sum+n;
maxSum=maxSum<sum?sum:maxSum;
}
return maxSum;
}
435. Non-overlapping Intervals (Medium)
思路:贪心法。首先对区间进行遍历,具体参考sort函数的最后一个参数的写法
遍历区间:
- 后面区间的头小于当前区间的尾,
比如当前区间是[3,6],后面区间是[4,5]或者是[5,9]
说明这两个区间有重复,必须要移除一个,那么要移除哪个呢,为了防止在下一个区间和现有区间有重叠,我们应该让现有区间越短越好,所以应该移除尾部比较大的,保留尾部比较小的。- 如果后面区间的头不小于当前区间的尾,说明他们没有重合,不需要移除
//定义排序函数
static bool myFunction(vector<int> &a,vector<int> &b){
return a[1]<b[1];
}
int eraseOverlapIntervals(vector<vector<int>>& intervals) {
if(intervals.size()==0){
return 0;
}
//对数组进行由大到小排序
sort(intervals.begin(),intervals.end(),myFunction);
int end=intervals[0][1];
//count记录的是非交叉区间的个数,第一个元素一定是非交叉区间
int count=1;
for(int i=1;i<intervals.size();i++){
//满足前一个数组的最后一个小于等于后一个数组的第一个,则是没有重叠的区间
//找不重叠的区间容易
if(end<=intervals[i][0]){
end=intervals[i][1];
count++;
}
}
return intervals.size()-count;
}
452. Minimum Number of Arrows to Burst Balloons (Medium)
思路:和上一题类似,这种都需要对区间进行操作,可以细品
这道题还是得先排序,按照区间尾部大小进行排序。原因是:根据贪心法,我们希望箭尽可能的少,也就是区间尽可能多的重合,这就需要以尾部大小来排序,这样才能知道重合的多少。后面的区间尾部和前面的区间值越靠近,重合度越高
排序完之后的策略:如果一个头区间的值大于前面尾部区间,则需要用掉一个箭
static bool MyFuntion(vector<int> &a,vector<int> &b){
return a[1]<b[1];
}
int findMinArrowShots(vector<vector<int>>& points) {
if(points.empty()){
return 0;
}
sort(points.begin(),points.end(),MyFuntion);
int count=1;
int temp=points[0][1];
for(int i=1;i<points.size();i++){
if(points[i][0]>temp){
count++;
temp=points[i][1];
}
}
return count;
}
406. Queue Reconstruction by Height(Medium)
这道题的意思就是,每个数组的第一个表示身高,第二个表示前面有几个大于或等于他身高的人,把这个队列弄对,每个数组都能对上。
比如:[[7,0],[4,4],[7,1],[5,0],[6,1],[5,2]]
排好序后就是:[[5,0],[7,0],[5,2],[6,1],[4,4],[7,1]],每个数组的数字都是对的,比如[4,4],身高为4,前面有四个人升高比他高,所以[4,4]在第5个位置上
思路:跟前面两道题一样,还是先排序,按照身高降序排序
//对数组按照头降序,按照尾升序
//这个排序算法可以好好学学
static bool MyFunction1(vector<int> &a,vector<int> &b){
return a[0]>b[0]||(a[0] == b[0] && a[1] < b[1]);
}
vector<vector<int>> reconstructQueue(vector<vector<int>>& people) {
vector<vector<int>> res;
sort(people.begin(),people.end(),MyFunction1);
for(int i=0;i<people.size();i++){
if(people[i][1]>=res.size()){
res.push_back(people[i]);
}else{
res.insert(res.begin()+people[i][1],people[i]);
}
}
return res;
}
392. Is Subsequence (Medium)
这道题可以尝试使用动态规划求解
思路:双指针,你也可以理解为贪心吧
以后再碰到这一道题,试一试DP
bool isSubsequence(string s, string t) {
int i=0;
int j=0;
while(i<s.size()&&j<t.size()){
if(s[i]==t[j]){
i++;
}
j++;
}
return i==s.size();
}
763. Partition Labels (Medium)
思路:本质上还是数组前后重合的贪心算法
首先每一个出现的char都有对应的最开始位置和最后位置,记为[head,tail]
每次循环更新tail,不用head,因为head永远是第一个最小
分割的条件就是tail<下一个head,这样可以算出间隔,然后将head置为当前head,tail继续更新成为最大
最后结束循环还要进行push_back一次
vector<int> partitionLabels(string S) {
vector<int> res;
int min=S.find_first_of(S[0]);
int tail=S.find_last_of(S[0]);
int head=0;
for(auto ch:S){
head=S.find_first_of(ch);
if(tail<head){
res.push_back(tail-min+1);
min=head;
}
tail=tail>(S.find_last_of(ch))?tail:S.find_last_of(ch);
}
res.push_back(tail-min+1);
return res;
}