概念:
贪心算法(或贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择,即不从整体最优上加以考虑,得到在某种意义上的局部最优解。
样题:力扣860.柠檬水找零
题目描述:
在柠檬水摊上,每一杯柠檬水的售价为 5 美元。顾客排队购买你的产品,(按账单 bills 支付的顺序)一次购买一杯。
每位顾客只买一杯柠檬水,然后向你付 5 美元、10 美元或 20 美元。你必须给每个顾客正确找零,也就是说净交易是每位顾客向你支付 5 美元。
注意,一开始你手头没有任何零钱。
给你一个整数数组 bills ,其中 bills[i] 是第 i 位顾客付的账。如果你能给每位顾客正确找零,返回 true ,否则返回 false 。
示例1️⃣:
输入:bills = [5,5,5,10,20]
输出:true
解释:
前 3 位顾客那里,我们按顺序收取 3 张 5 美元的钞票。
第 4 位顾客那里,我们收取一张 10 美元的钞票,并返还 5 美元。
第 5 位顾客那里,我们找还一张 10 美元的钞票和一张 5 美元的钞票。
由于所有客户都得到了正确的找零,所以我们输出 true。
示例2️⃣:
输入:bills = [5,5,10,10,20]
输出:false
解释:
前 2 位顾客那里,我们按顺序收取 2 张 5 美元的钞票。
对于接下来的 2 位顾客,我们收取一张 10 美元的钞票,然后返还 5 美元。
对于最后一位顾客,我们无法退回 15 美元,因为我们现在只有两张 10 美元的钞票。
由于不是每位顾客都得到了正确的找零,所以答案是 false。
示例3️⃣:
输入:bills = [5,5,10]
输出:true
示例4️⃣:
输入:bills = [10,10]
输出:false
提示:
1 <= bills.length <= 105
bills[i] 不是 5 就是 10 或是 20
分析:共有三次交易情况
5 美元,由于柠檬水的价格也为 5 美元,因此我们直接收下即可。
10 美元,我们需要找回 5 美元,如果没有 5 美元面值的钞票,则无法正确找零。(判断条件)
20 美元,我们需要找回 15 美元,此时有两种组合方式,一种是一张 10 美元和 5 美元的钞票,一种是 3 张 5 美元的钞票,如果两种组合方式都没有,则无法正确找零。当可以正确找零时,两种找零的方式中我们更倾向于第一种,即如果存在 5 美元和 10 美元,我们就按第一种方式找零,否则按第二种方式找零,因为需要使用 5 美元的找零场景会比需要使用 10 美元的找零场景多,保留5美元钞票对我们当前最有益,我们需要尽可能保留 5 美元的钞票。(选择贪心策略)
实现:
class Solution {
public:
bool lemonadeChange(vector<int>& bills) {
int five=0,ten=0;//记录5美元,10美元的钞票张数
for(int i:bills){
if(i==5)five++;
else if(i==10){
five--;
ten++;
}
else if(i==20){
if(ten>0){//当遇到20美元的钞票时,优先选择5,10的组合
ten--; //实在不行再用三张5美元的组合
five--;} //这就是贪心算法的应用,面临多种情况的选择
else{ //时,贪心思想,选择当前最有益的思想
five-=3;
}
}
if(five<0)return false;
}
return true;
}
};
注意:
贪心算法不能对所有问题都得到整体最有解,但对于很多问题,它能通过局部贪心产生整体最优解,例如:这里的零钱兑换问题,图的单源最短路径问题,最小生成树问题。
而在一些情况下,虽然贪心算法不能得到整体最优解,其最终结果却是最优解的很好近似(如,最经典的01背包问题,贪心算法得到的解与动态规划得到的正确最优解非常接近,当然,接近不等于最优,用贪心还是过不了01背包的)