【思路】这明显是一个贪心算法,先了解下
-
贪心算法(Greedy Algorithm)是一种常用的算法思想,它在每一步选择中都采取当前状态下最优的选择,以期望最终能够得到全局最优解。贪心算法通常适用于满足贪心选择性质和最优子结构性质的问题。
贪心选择性质:通过局部最优选择,可以得到全局最优解。即在每一步选择中,都选择当前状态下的最优解,而不考虑其他可能的选择。
最优子结构性质:问题的最优解可以通过子问题的最优解来构造。即问题的最优解包含了子问题的最优解,子问题的最优解可以递归地构造出全局最优解。
贪心算法的基本步骤如下:
-
建立数学模型来描述问题。
-
根据问题的特性,确定贪心选择策略。
-
通过贪心选择策略,逐步构建问题的解。
-
验证是否满足最优性质,如果满足则算法结束;如果不满足,则需要重新调整贪心选择策略。
需要注意的是,贪心算法并不是适用于所有问题的解决方法。在某些情况下,贪心算法可能无法得到全局最优解,只能得到局部最优解或近似最优解。因此,在应用贪心算法时,需要仔细分析问题的特性和限制条件,确保贪心选择策略的正确性。
贪心算法在实际应用中有很多经典的问题,例如霍夫曼编码、最小生成树、区间调度等。通过合理选择贪心策略,可以高效地解决这些问题。
-
-
了解后,思路设计如下:
-
给定一个表示孩子们评分的列表ratings,要求按照以下规则分发糖果:
-
每个孩子至少分配到一个糖果。
-
如果一个孩子的评分比他相邻的孩子高,那么他应该得到更多的糖果。
-
首先,初始化糖果数量为1,表示每个孩子至少分配一个糖果。
-
创建一个与ratings列表大小相同的dp数组,用于记录每个孩子分配的糖果数量,初始化为1。
-
第一次遍历ratings列表,从左到右,如果当前孩子的评分比下一个孩子的评分低,那么当前孩子的糖果数量应该比下一个孩子多一个,更新dp数组。
-
第二次遍历ratings列表,从右到左,如果当前孩子的评分比前一个孩子的评分低,那么当前孩子的糖果数量应该至少和前一个孩子一样多,更新dp数组。
-
最后,将dp数组中的糖果数量累加起来,得到总的糖果数量。
class Solution { public int candy(List<Integer> ratings) { int num = ratings.size(); int s = 0; if (num == 1) return 1; int[] dp = new int[num]; Arrays.fill(dp, 1); for (int i = 0; i < num - 1; i++) { if (ratings.get(i) < ratings.get(i + 1)) dp[i + 1] = dp[i] + 1; } for (int i = num - 1; i > 0; i--) { if (ratings.get(i - 1) > ratings.get(i)) dp[i - 1] = Math.max(dp[i - 1], dp[i] + 1); } for (int i = 0; i < num; i++) { s += dp[i]; } return s; } }
代码中的
candy
方法接受一个List<Integer> ratings
作为输入,返回分发的糖果总数。这段代码使用了动态规划的思想,通过两次遍历ratings列表,分别处理左右两个方向上的关系,确保满足题目要求。