文章目录
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。
- 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
理论基础
455. 分发饼干
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(),g.end());
sort(s.begin(),s.end());
int i=g.size()-1;//孩子胃口值
int j=s.size()-1;//饼干尺寸 s[j]
int result=0;
while (i >= 0&& j >= 0) {
if (s[j] >= g[i]) {
result++;
j--;
}
i--;
}
return result;
}
};
最开始写的是双层循环,后来发现能单层循环就单层循环。单层循环还好写些。代码思路确保每个饼干都被用来满足尽可能“大”的孩子的胃口。其实我感觉优先让胃口最小的孩子被满足也是一个合理的思路。但是确实不能先遍历饼干,在遍历胃口,虽然我觉得理论上是可以的,但是得要两个for循环,确实复杂度会增加。
376. 摆动序列
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
int result = 1;
int pre = 0, cur = 0;
for(int i=1;i<nums.size();i++)
{
cur = nums[i] - nums[i - 1];
if ((currDiff > 0 && prevDiff <= 0) || (currDiff < 0 && prevDiff >= 0)) {
result++;
pre = cur;
}
}
return result;
}
};
这题看着挺简单的,我就想着可不可以直接前一个差值*后一个差值<0来判断,结果最大的问题要考虑初始两个值,以及如果差值为0的情况,一下子变得复杂了。就得更改下条件
(currDiff > 0 && prevDiff <= 0) || (currDiff < 0 && prevDiff >= 0),因为它既能捕捉正负趋势的变化,又能忽略零值对趋势的影响。这种方法可以处理零值的边界情况,确保摆动序列的计算符合逻辑。
当 currDiff > 0 且 prevDiff <= 0 时,说明当前序列从非正(小于等于0)转变为正数,形成了一个 “摆动”。
当 currDiff < 0 且 prevDiff >= 0 时,说明当前序列从非负(大于等于0)转变为负数,也形成了一个 “摆动”。
这种条件可以捕捉到从零穿过的情况。例如,当相邻元素的差值恰好为0时,前后序列趋势没有改变,因此不计入摆动。
它能处理由正数变成负数,或者由负数变成正数的所有情况,包括零值的边界。
知道这几点,就不难了。确实都是细节
53. 最大子序和
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = INT32_MIN;
int count = 0;
for(int i=0;i<nums.size();i++)
{
count+=nums[i];
if(count>=result)
result=count;
if(count<0)
count=0;
}
return result;
}
};
这题的思路就是遍历 nums,从头开始用 count 累积,如果 count 一旦加上 nums[i]变为负数,那么就应该从 nums[i+1]开始从 0 累积 count 了,因为已经变为负数的 count,只会拖累总和。
别看贪心理论很直白,有时候看似是常识,但贪心的题目一点都不简单!确实好难
不少同学认为 如果输入用例都是-1,或者 都是负数,这个贪心算法跑出来的结果是 0, 这是又一次证明脑洞模拟不靠谱的经典案例,建议大家把代码运行一下试一试,就知道了,也会理解 为什么 result 要初始化为最小负数了。确实开始我也这么想得,后来写的时候,才意识到,为什么count+=nums[i];这句话要放在前面,先加了,再判断,<0就抛弃,即便<0,也是在一遍遍遍历更新。
贪心算法确实挺难的,一点学习更新。