贪心算法概念
- 每一步中都采取当前状态下最好或最优的解法,从而使全局解法最优
- 与动态规划的不同是,他对于每个子问题的解决方案都会做出选择,不能回退。而动态规划则会保存之前的运算结果 ,并根据以前的结果对当前进行选择,能够退回
- 所有子方案最优不一定能全局最优
- 对于工程和生活中的问题贪心算法一般不能得到我们想得到的答案
什么时候使用贪心算法
- 问题能够分成最优子问题来解决,子问题的最优解能递推到最终问题的最优解,也就是最优子结构问题
- 可以解决最优化的问题,如求图中最小生成树,求哈夫曼编码等
- 因为贪心算法的高效性 可作为辅助算法或者直接解决一些要求结果不特别精确的问题
题解
1 买卖股票的最佳时机 II
方案:
- 从最低点买入,从最高点卖出
- 从低点买入,只要赚钱就卖出,不断买卖
- 从低点买入,到价格高点卖出,不断买卖
var maxProfit = function(prices) {
let cnt = 0;
let len = prices.length;
for (let i = 1; i < len; i++) {
let temp = prices[i] - prices[i - 1];
if (temp > 0) cnt+=temp;
}
return cnt;
};
2 860. 柠檬水找零
策略:
- 不区分金额直到找到足够的零钱
- 给钱找零,优先给金额大的零钱,尽量把零钱放手里,多次找零
/**
* @param {number[]} bills
* @return {boolean}
*/
var lemonadeChange = function (bills) {
let hand = [];
while (bills.length) {
let money = bills.shift();
if (money === 5) {
hand.push(money);
} else {
hand.sort((a, b) => b - a); // 降序
let change = money - 5; // 找零
for (let i = 0, len = hand.length; i < len; i++) {
if (hand[i] <= change) {
change -= hand[i];
hand.splice(i, 1);
i--; // 数组发生删除,长度改变,要维持刚才的i不变
}
if (change === 0) {
break;
}
}
if (change !== 0) {
return false;
} else {
hand.push(money);
}
}
}
return true;
};