第八章 贪心算法 part01
贪心算法其实就是没有什么规律可言,所以大家了解贪心算法 就了解它没有规律的本质就够了。
不用花心思去研究其规律, 没有思路就立刻看题解。
基本贪心的题目 有两个极端,要不就是特简单,要不就是死活想不出来。
学完贪心之后再去看动态规划,就会了解贪心和动规的区别。
贪心 局部最优解推出全局最优 ,而且想不到反例,那么就试一试贪心
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
只要想清楚 局部最优 是什么,如果推导出全局最优,其实就够了。
贪心没有套路,说白了就是常识性推导加上举反例。
详细布置
理论基础
455.分发饼干
https://programmercarl.com/0455.%E5%88%86%E5%8F%91%E9%A5%BC%E5%B9%B2.html
376. 摆动序列
https://programmercarl.com/0376.%E6%91%86%E5%8A%A8%E5%BA%8F%E5%88%97.html
53. 最大子序和
https://programmercarl.com/0053.%E6%9C%80%E5%A4%A7%E5%AD%90%E5%BA%8F%E5%92%8C.html
455. 分发饼干
题目链接
解题思路
为了满足更多的小孩,就不要造成饼干尺寸的浪费。
大尺寸的饼干既可以满足胃口大的孩子也可以满足胃口小的孩子,那么就应该优先满足胃口大的。
这里的局部最优就是大饼干喂给胃口大的,充分利用饼干尺寸喂饱一个,全局最优就是喂饱尽可能多的小孩。
可以尝试使用贪心策略,先将饼干数组和小孩数组排序。
然后从后向前遍历小孩数组,用大饼干优先满足胃口大的,并统计满足小孩数量。
code
class Solution {
public int findContentChildren(int[] g, int[] s) {
int result=0;
//把孩子胃口大小和饼干大小从小到大排序
Arrays.sort(g);
Arrays.sort(s);
//把最大的饼干优先满足最大的孩子或直到找到最大的孩子
int indexS=s.length-1;
for(int i=g.length-1;i>=0&&indexS>=0;i--){//&&indexS>=0 一定要有饼干才遍历孩子
if(s[indexS]>=g[i]){
result++;
indexS--;
}
}
return result;
}
}
376. 摆动序列
题目链接
https://leetcode.cn/problems/wiggle-subsequence/description/
解题思路
画出摆动图
注意审题求的是什么?
子序列 可以通过从原始序列中删除一些(也可以不删除)元素来获得,剩下的元素保持其原始顺序。
给你一个整数数组nums
,返回nums
中作为 **摆动序列 **的 最长子序列的长度 。局部最优:删除单调坡度上的节点(不包括单调坡度两端的节点),那么这个坡度就可以有两个局部峰值。
整体最优:整个序列有最多的局部峰值,从而达到最长摆动序列。
局部最优推出全局最优,并举不出反例,那么试试贪心!
实际操作上,其实连删除的操作都不用做,因为题目要求的是最长摆动子序列的长度,所以只需要统计数组的峰值数量就可以了(相当于是删除单一坡度上的节点,然后统计长度)这就是贪心所贪的地方,让峰值尽可能的保持峰值,然后删除单一坡度上的节点
在计算是否有峰值的时候,大家知道遍历的下标 i ,计算 prediff(nums[i] - nums[i-1]) 和 curdiff(nums[i+1] - nums[i]),如果prediff < 0 && curdiff > 0 或者 prediff > 0 && curdiff < 0 此时就有波动就需要统计。
这是我们思考本题的一个大体思路,但本题要考虑三种情况:
情况一:上下坡中有平坡
情况二:数组首尾两端
情况三:单调坡中有平坡
code
class Solution {
//贪心
public int wiggleMaxLength(int[] nums) {
if(nums.length<=1) return nums.length;
int curDiff=0;//当前一对峰值
int preDiff=0;//前一对差值,默认前面还有个虚拟nums[0],preDiff就是0
int result=1;//记录峰值个数,序列默认序列最右边有一个峰值
for(int i=0;i< nums.length-1;i++){
curDiff=nums[i+1]-nums[i];
//出现峰值 preDiff <= 0 preDiff >=0 会处理平坡逻辑
if((preDiff <= 0 && curDiff >0) || (preDiff >=0 && curDiff <0)){
result++;
//出现坡的时候才更新preDiff ,这里为了处理单调有平坡的情况
preDiff=curDiff; //注意这里,只在摆动变化的时候更新prediff
}
}
return result;
}
}
53. 最大子序和
题目链接
解题思路
1.贪心
局部最优:当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小。
全局最优:选取最大“连续和”
局部最优的情况下,并记录最大的“连续和”,可以推出全局最优。
2.记录连续和 count变量
只要连续和还是正数就会 对后面的元素 起到增大总和的作用。 所以只要连续和为正数我们就保留。
每次遇到count是负数就把它归零,因为会拉低总和,相当于重置最大子序起始位置
3.记录结果 result变量
result 要初始化为最小负数了 ,如果都是负数,也会比较出最大的负数
result 一直在更新 最大的连续和,只要有更大的连续和出现(count>result),result 就会更新,否则不会
code
class Solution {
public int maxSubArray(int[] nums) {
//result 要初始化为最小负数了 ,如果都是负数,也会比较出最大的负数
//result 一直在更新 最大的连续和,只要有更大的连续和出现(count>result),result 就会更新,否则不会
int result=Integer.MIN_VALUE;
int count=0;
for(int i=0;i < nums.length;i++){
count+=nums[i];
if(count>result){//取区间累计最大值(相当于不断确定最大子序终止位置)
result=count;
}
if(count <=0) count=0;//相当于重置最大子序起始位置,每次遇到count是负数就把它归零,因为会拉低总和
}
return result;
}
}