贪心算法解分发糖果问题

最新推荐文章于 2025-11-30 18:24:05 发布
原创 最新推荐文章于 2025-11-30 18:24:05 发布 · 283 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

题目概述

力扣 135.分发糖果题目要求根据孩子的评分分配糖果，每个孩子至少一个糖果，评分更高的孩子必须比相邻孩子获得更多糖果。需要计算最少糖果数目。

解题思路分析

贪心算法的核心在于分两次遍历：从左到右保证右边高分孩子比左边多；从右到左保证左边高分孩子比右边多。

关键步骤

初始化一个与孩子数量等长的糖果数组，初始值为

XSb_efw3
关注
c++贪心算法之分发饼干问题
qq_63176310的博客
09-20 937
答:从题面上来看当然没有问题,但是,我们这题主要是求最多小孩能吃到的分法!result:用于存储饼干分出去的数量;分饼干问题已经解决啦!
135. 分发糖果（贪心算法）
女神药大
05-28 950
135. 分发糖果 老师想给孩子们分发糖果，有 N个孩子站成了一条直线，老师会根据每个孩子的表现，预先给他们评分。 你需要按照以下要求，帮助老师给这些孩子分发糖果： 每个孩子至少分配到 1 个糖果。 评分更高的孩子必须比他两侧的邻位孩子获得更多的糖果。 那么这样下来，老师至少需要准备多少颗糖果呢？ ...
每日一题：贪心算法解分发糖果问题
m0_63901241的博客
02-21 2585
一，问题描述： 题目：Leetcode 第135题 难度：困难 n 个孩子站成一排。给你一个整数数组 ratings 表示每个孩子的评分。 你需要按照以下要求，给这些孩子分发糖果： 每个孩子至少分配到 1 个糖果。 相邻两个孩子评分更高的孩子会获得更多的糖果。 请你给每个孩子分发糖果，计算并返回需要准备的 最少糖果数目 。 示例1： 输入：ratings = [1,0,2] 输出：5 解释：你可以分别给第一个、第二个、第三个孩子分发 2、1、2 颗糖果。 示例2： 输入：rat
63 贪心算法解分发糖果的问题
qq_52299902的博客
12-24 632
问题描述：老师想给孩子们分发糖果，由N个孩子占城了一条直线，老师会根据每个孩子的表现，预先给他们评分，你需要按照以下要求，帮助老师给这些孩子分发糖果：每个孩子至少分配一个糖果，评分更高的孩子必须比他两侧邻位孩子获得更多的糖果，这样下来老师需要准备多少颗糖果，贪心算法求解：左右两次遍历，第一次遍历从左往右，要是右边比左边高，则右边增加一个糖果，第二次遍历从右往左，如果左边比右边高，则左边增加一个糖果，
贪心算法实例解析：分发糖果问题
u014177256的博客
12-20 714
每一步选择当前状态下的最优解局部最优推导出全局最优不需要回溯或修改之前的选择贪心算法的关键在于找到合适的贪心策略。简单问题（如分发饼干）可以通过排序后的单次遍历解决复杂问题（如分发糖果）可能需要多次遍历来满足不同方向的约束。
贪心算法：分发糖果
qq_64950942的博客
02-25 328
我们才更新，而不是无脑进行覆盖，这其实是一次取max的更新操作，因为第一次的遍历，已经让有些nums变大了，第二次我们遍历的时候，如果由于第一次的遍历，nums已经满足操作，我们就没必要更新其值，因为可能算出来的值反而更小，这样就把第一次的遍历的规则给破坏了。这里面，nums中8比7大，所以nums更新为2，但由于7比3大，所以7更新为2，导致8和7对应的糖果数量又相同了！这是由于遍历顺序的错误导致出现了“覆盖”的错误！因为我们改变的顺序应该和遍历的顺序相反！这下，“覆盖”的问题就解决了。
分发糖果——使用贪心算法
qq_43583172的博客
04-22 719
但是，看了解析了才明白，贪心在先从前往后，然后在从后往前。1.当前孩子的评分与前一个孩子的评分比较，以确定是否应该增加当前孩子的糖果数量。2.当前孩子的评分与后一个孩子的评分比较，以确定是否应该增加当前孩子的糖果数量。你可以分别给第一个、第二个、第三个孩子分发 2、1、2 颗糖果。你可以分别给第一个、第二个、第三个孩子分发 1、2、1 颗糖果。第三个孩子只得到 1 颗糖果，这满足题面中的两个条件。请你给每个孩子分发糖果，计算并返回需要准备的。因此，先从前往后，然后在从后往前看。表示每个孩子的评分。
【3.3】贪心算法-解分发糖果
攻城狮7号的博客
08-26 1370
老师想给孩子们分发糖果，有N个孩子站成了一条直线，老师会根据每个孩子的表现，预先给他们评分。你需要按照以下要求，帮助老师给这些孩子分发糖果：1）每个孩子至少分配到1个糖果。2）评分更高的孩子必须比他两侧的邻位孩子获得更多的糖果。那么这样下来，老师至少需要准备多少颗糖果呢？输入：[ 1 , 0 , 2 ]输出：5解释：你可以分别给这三个孩子分发2、1、2颗糖果。输入：[ 1 , 2 , 2 ]输出：4解释：你可以分别给这三个孩子分发1、2、1颗糖果。
贪心算法-分发糖果
2301_77882595的博客
05-31 363
单次遍历只能保证单侧约束（如左→右只能保证右边孩子糖果更多），无法同时满足双侧约束。通过两次遍历，局部最优解（左右分别满足约束）合并为全局最优解。（如果评分更高），同时不破坏第一次遍历的结果（使用。约束：右边评分更高的孩子糖果更多）避免覆盖第一次遍历的结果。两次线性遍历，时间复杂度为。已在左→右遍历时被设为。确保每个孩子的糖果数。确保每个孩子的糖果数。（用于存储糖果数组）。
贪心算法---分发糖果
m0_65096633的博客
08-26 644
第二次从右到左遍历，只比较左边大于右边的情况，如果ratings[i]>ratings[i+1]，则ratings[i]=max(ratings[i+1]+1,ratings[i])第一次从左到右遍历，只比较右边大于左边的情况，如果ratings[i]>ratings[i-1]，则ratings[i]=ratings[i-1]+1，否则为1。请你给每个孩子分发糖果，计算并返回需要准备的。思路：使用两次贪心思想。表示每个孩子的评分。
135. 分发糖果（Java，贪心算法，力扣）
Memory_2020的博客
07-12 1112
135. 分发糖果（Java，贪心算法，力扣）
通俗易懂：贪心算法（一）：分配问题 （力扣455分发饼干 和135分发糖果）
比特的一天
03-14 1684
看完本文，可以顺便解决leetcode以下两个题目： 455.分发饼干（简单） 135.分发糖果（困难） 一、通俗易懂的 贪心算法 |思想 贪心算法就是采用贪心的策略，保证每一次的操作都是局部最优的，从而使得结果是全局最优的。 比如，A、B、C、都很喜欢吃橘子，A可以吃5个、B可以吃3个、C可以吃1个；但是现在只有7个橘子，问最多几个人可以吃饱； 我们选用的贪心策略就是，吃的少的人先吃，尽量先使用量少的人吃饱，所以在这里，B、C肯定是可以吃饱的； 在这里，又因为全局结果是局部结果的简单求和，因此，局部最
218.贪心算法：分发糖果（力扣）
weixin_63779802的博客
07-12 1238
在这个循环中，如果当前孩子的评分比他后一个孩子的评分高（`ratings[i]>ratings[i+1]`），则当前孩子的糖果数应该是他后一个孩子的糖果数加1和他当前糖果数中的较大值（`candyNum[i]=max(candyNum[i+1]+1,candyNum[i]);在这个循环中，如果当前孩子的评分比他前一个孩子的评分高（`ratings[i]>ratings[i-1]`），则当前孩子的糖果数应该比前一个孩子的糖果数多1（`candyNum[i]=candyNum[i-1]+1;
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1824
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
信息检索13
2301_80828873的博客
11-26 2181
最近邻检索的方法，PQ，IVF,HNSW
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1170
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
07_Spring AI 干货笔记之提示词
最新发布
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 883
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
RAG信息检索全解析：从Embedding到Reranker的超详细教程1
Trb201013的博客
11-27 1395
文章介绍了RAG系统中信息检索环节的核心技术，包括文档段落嵌入和用户查询嵌入，将文本转换为向量表示；详细解释了相似度检索的多种方法，如Top-K检索、MMR策略和Reranker二次排序技术；强调了合理切分策略对嵌入效果的重要性，以及查询扩展技术对提高检索准确度的作用。指出RAG的本质是"开卷考试"，检索质量直接影响最终生成效果。
【LoRA（低秩适应）技术详解：原理、公式与实践】
m0_46882548的博客
11-26 1630
参数高效：可训练参数量通常仅为全量微调的0.01% - 3%，极大降低了计算和存储成本。内存友好：由于大部分原始权重被冻结，无需存储其优化器状态，显著减少了训练时的显存占用。无推理延迟：训练后可将LoRA权重合并回原模型，推理速度与原始模型一致。模块化与灵活性：一个基础模型可以搭配多个针对不同任务的、体积很小（几兆字节）的LoRA适配器，轻松切换任务。减轻灾难性遗忘：因为原始权重基本不动，模型在适应新任务时更不容易遗忘预训练时获得的通用知识。
LeetCode贪心算法实践：分发糖果问题详解
贪心算法的应用十分广泛，它不仅限于“分发糖果”这一类问题，在其他如背包问题、区间调度问题等领域也有很好的应用。掌握贪心算法的思想和使用场景对于解决实际问题非常有帮助。通过LeetCode这类平台的练习，我们...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值