理论基础
什么是贪心
-
贪心的本质是选择每一阶段的局部最优,从而达到全局最优。
两个例子: 例1,有一堆钞票,你可以拿走十张,如果想达到最大的金额,你要怎么拿? 指定每次拿最大的,最终结果就是拿走最大数额的钱。 每次拿最大的就是局部最优,最后拿走最大数额的钱就是推出全局最优。 例2:如果是 有一堆盒子,你有一个背包体积为n,如何把背包尽可能装满? 如果还每次选最大的盒子,就不行了。这时候就需要动态规划。动态规划的问题在下一个系列会详细讲解。
贪心的套路(什么时候要用贪心)
- 贪心算法没有固定套路
- 也没有固定策略和套路能看出局部最优是否能推出整体最优
- 最好用的策略:举反例,如果想不到反例,就试试贪心。
综上所述:刷题或面试时:手动模拟一下感觉可以局部最优推出整体最优,而且想不到反例,就可以试一试贪心算法。
- 常识性推导 + 举反例
贪心算法的一般解题步骤:四步
- 将问题分解为若干子问题
- 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
以上四步过于理论化,做题时很难按照这四步去思考。
做题时,只要想清楚局部最优是什么,能推出全局最优就ok了
455.分发饼干
-
题目:假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。
对每个孩子 i,都有一个胃口值 g[i],这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j,都有一个尺寸 s[j] 。如果 s[j] >= g[i],我们可以将这个饼干 j 分配给孩子 i ,这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子,并输出这个最大数值。
示例 1: 输入: g = [1,2,3], s = [1,1] 输出: 1 解释: 你有三个孩子和两块小饼干,3个孩子的胃口值分别是:1,2,3。 虽然你有两块小饼干,由于他们的尺寸都是1,你只能让胃口值是1的孩子满足。 所以你应该输出1。 示例 2: 输入: g = [1,2], s = [1,2,3] 输出: 2 解释: 你有两个孩子和三块小饼干,2个孩子的胃口值分别是1,2。 你拥有的饼干数量和尺寸都足以让所有孩子满足。 所以你应该输出2.
-
思路: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,这样得到的全局最优就是尽可能多的喂饱小孩。
class Solution {
public int findContentChildren(int[] g, int[] s) {
Arrays.sort(g);
Arrays.sort(s);
int count = 0;
//倒序遍历饼干的大小
int start = s.length - 1;
//倒序遍历胃口大小,看饼干大小是否能满足胃口大小
for(int index = g.length - 1; index >= 0; index--) {
if(start >= 0 && s[start] >= g[index]) {
start--;
count++;
}
}
return count;
}
}
376.摆动序列
-
题意:如果连续数字之间的差严格地在正数和负数之间交替,则数字序列称为 摆动序列 。第一个差(如果存在的话)可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。
例如, [1, 7, 4, 9, 2, 5] 是一个 摆动序列 ,因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。
相反,[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列,第一个序列是因为它的前两个差值都是正数,第二个序列是因为它的最后一个差值为零。
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 。
示例 1: 输入:nums = [1,7,4,9,2,5] 输出:6 解释:整个序列均为摆动序列,各元素之间的差值为 (6, -3, 5, -7, 3) 。 示例 2: 输入:nums = [1,17,5,10,13,15,10,5,16,8] 输出:7 解释:这个序列包含几个长度为 7 摆动序列。 其中一个是 [1, 17, 10, 13, 10, 16, 8] ,各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。 示例 3: 输入:nums = [1,2,3,4,5,6,7,8,9] 输出:2
-
贪心思路
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。 -
思路:三种情况
-
情况1——上下坡中有平坡
-
情况2 —— 处理数组首尾两端:假设数组最前面还有一个数字,为了规则统一,针对序列[2,5],可以假设为[2,2,5],这样它就有坡度了即 preDiff = 0。result 初始为 1(默认最右面有一个峰值),此时 curDiff > 0 && preDiff <= 0,那么 result++(计算了左面的峰值),最后得到的 result 就是 2(峰值个数为 2 即摆动序列长度为 2)
-
情况3 —— 单调坡度上有平坡:只需要在 这个坡度 摆动变化的时候,更新 prediff 就行,这样 prediff 在 单调区间有平坡的时候 就不会发生变化,造成我们的误判。
-
class Solution {
public int wiggleMaxLength(int[] nums) {
//记录峰前坡度
int prediff = 0;
//记录峰后的坡度
int curdiff = 0;
//默认最后一个元素本身是一个摆动,res从1开始
int res = 1;
//for循环就不用对nums最后一个元素进行判断了,已默认它是一个摆动
for(int i = 0; i < nums.length - 1; i++) {
//计算峰后坡度
curdiff = nums[i+1] - nums[i];
//如果峰前是平坡或上坡且峰后是下坡 || 峰前是平坡或下坡且峰后是上坡,此时的峰点即一个摆动点
if(prediff >= 0 && curdiff < 0 || prediff <= 0 && curdiff > 0) {
res++;
//prediff只有在遇到摆动后再更新,才不会出现单调递增或递减时有平坡还用以上的if判断条件出错的情况
prediff = curdiff;
}
}
return res;
}
}
53.最大子序和
-
题意:给你一个整数数组 nums ,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
子数组是数组中的一个连续部分。
示例 1: 输入:nums = [-2,1,-3,4,-1,2,1,-5,4] 输出:6 解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。 示例 2: 输入:nums = [1] 输出:1 示例 3: 输入:nums = [5,4,-1,7,8] 输出:23
-
思路:
当前面的累加和是负数时,只会拖累后面的和的结果,所以此时应以下一个数作为累加和的起点。
class Solution {
public int maxSubArray(int[] nums) {
int sum = 0;
int res = Integer.MIN_VALUE;
for(int i = 0; i < nums.length; i++) {
sum += nums[i];
res = Math.max(sum, res);
if(sum <= 0) {
sum = 0;
}
}
return res;
}
}