【代码随想录|贪心算法01】

代码随想录贪心算法文章链接代码随想录

理论:贪心本质是局部最优推出全局最优

and 贪心没有套路练就完事了

455.分发饼干

题目链接https://leetcode.cn/problems/assign-cookies

思路:尽量用大的饼干喂给胃口大的小孩

胃口:1,3,7,10

饼干:1,3,5,9

我们先把胃口数组和小孩数组进行排序,遍历胃口数组,我们把胃口数组从后往前遍历,只要我饼干数组能喂的就给,index--;小孩数count++,如果喂不了我就继续i--往前面找找胃口小的小孩。

这里只能用遍历胃口的数组来进行比较,因为如果从后往前遍历饼干数,我最大的饼干9拿去比发现要10,进行下次循环是饼干往前,那9给不了我1 3 5肯定也给不了。因此这里只能遍历胃口数组

class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(s.begin(), s.end());//饼干数组
        sort(g.begin(), g.end());//胃口数组
        int index = s.size() - 1;//指向饼干数组的下标
        int count = 0;//计数能喂给小孩的数量
        for (int i = g.size() - 1; i >= 0; i--) {//遍历胃口是i>=0因为从(0,size-1)都要比较
            while (index > 0 && s[index] >= g[i]) {//遍历饼干
                index--;
                count++;
            }
        }
        return count;
    }
};

376.摆动序列

题目链接https://leetcode.cn/problems/wiggle-subsequence

我们主要要删除的点是坡度上的点,对有坡度的点进行计数

局部最优:删除坡度上的点

整体最优:有最长的摆动序列

这里的思路是我遍历整个数组,每一轮都算出数组中下一个值和这个值的差curdiff和这个值和数组上一个值的差prediff(这里prediff不用每轮都算,只要坡度变化了我再把prediff的值赋值为curdiff)坡度变化,那计数摆动序列值加加

有二种情况

 一、上下坡中有平坡

比如[1,2,2,2,1]的序列

可以整体删掉平坡的左边数,只计数一个

所以我左边坡度prediff == 0,右边坡度无论是上升还是下降我都把这个把这个值计数
二、数组首尾两端              

当传入的数组只有两个数的时候题目说是算2的,那为了把这种情况和条件中结合起来,就把result计数为1,把最后一个值看成一个坡,如果传入的是两个值[2,3],你的prediff初始为0,所以2这个点也会进行计数,算出来的result为2

class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        if (nums.size() <= 1)
            return nums.size();
        int prediff = 0;//前一坡度
        int curdiff = 0;//现在这一坡度
        int result = 1;
        for (int i = 0; i < nums.size() - 1; i++) {
            curdiff = nums[i + 1] - nums[i];
           
            if ((prediff <= 0 && curdiff > 0) ||
                (prediff >= 0 && curdiff < 0)) {
                result++;
                prediff=curdiff;//坡度变化后再赋值
            }
            
        }
        return result;
    }
};

53.最大子数组和

题目链接https://leetcode.cn/problems/maximum-subarray

局部最优:连续和已经为负数后就放弃这个值,因为负数只会越加越小。

整体最优:有最大的连续子数组和

思路感觉就是如果我现在相加的值已经为负数了,那就直接把现在存的连续和count赋值为0吧,从新再看看后面的数能不能比result更大(也就是都是负数的话,选个最大的负数就得了,你再加的话越加越小没必要hhh),这道题颇有种哲学意义呀,过去的就让他过去吧,我们从零开始。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int result=INT_MIN;
        int count=0;
        for(int i=0;i<nums.size();i++){
            count+=nums[i];
            if(count>result)result=count;//只有大于前一个存的最大和再赋值
            if(count<0)count=0;//重新赋值
        }
        return result;
    }
};

 

### 关于贪心算法的讲解 贪心算法是一种在每一步选择中都采取当前状态下最好或最优的选择,从而希望最终结果也是全局最优的一种算法策略[^1]。 对于某些特定问题而言,这种局部最优解能够直接导向全局最优解。然而,并不是所有的优化问题都能通过这种方法求得最精确的结果,但在很多情况下可以获得接近最优解的有效方案。 #### 示例一:最大和转换后的数组元素(Java) 考虑这样一个例子,在给定整数列表`nums`以及一个非负整数`k`的情况下,允许执行最多`k`次操作来改变任意数量的数值符号。目标是在不超过`k`次翻转的前提下最大化所有元素之和: ```java class Solution { public int largestSumAfterKNegations(int[] nums, int k) { Arrays.sort(nums); int count = 0; for (int i = 0; i < nums.length; i++) { if (k > 0 && nums[i] < 0) { nums[i] = -nums[i]; k--; } count += nums[i]; } Arrays.sort(nums); return count - ((k % 2 == 0) ? 0 : 2 * nums[0]); } } ``` 这段代码实现了上述逻辑,其中先对输入数组进行了升序排列以便优先处理负值较大的项,之后再根据剩余的操作次数决定是否调整最小正值以进一步提升总和[^2]。 #### 示例二:分配最少糖果数目 另一个典型的应用场景涉及向一群孩子分发糖果,条件是一个孩子的评分高于其左侧邻居,则该名学生应获得更多的糖果。这里采用了一种简单直观的方法——每当遇到更高的分数就增加一颗糖的数量直到遍历结束整个序列为止[^3]。 ```python def distribute_candies(ratings): n = len(ratings) candies = [1]*n for i in range(1,n): if ratings[i]>ratings[i-1]: candies[i]=candies[i-1]+1 for j in reversed(range(n-1)): if ratings[j]>ratings[j+1] and candies[j]<=candies[j+1]: candies[j]=candies[j+1]+1 return sum(candies) ``` 此Python函数展示了如何利用两次扫描过程分别从前至后和从后往前更新每个位置上的最低需求量,确保满足题目要求的同时使得总的糖果消耗达到最小化。 #### 示例三:寻找合适的起始站点完成环形路线旅行 最后来看一个更复杂的案例—解决“加油站”问题。假设存在一系列相连的服务区构成闭合路径,车辆可以在任一站加油并继续行驶直至下一个目的地。为了判断能否顺利完成一圈旅程,可以通过计算各段行程结束后所剩燃油量来进行评估。具体做法是从第一个节点开始累积净增益(`gas-cost`),只要中途未曾跌入负区间即表明可以从起点出发成功返回原点;反之则需重新选定其他候选作为新的出发点尝试验证[^4]。 ```cpp bool canCompleteCircuit(vector<int>& gas, vector<int>& cost) { int total_tank = 0, curr_tank = 0, starting_station = 0; for (size_t i=0 ; i<gas.size() ; ++i){ total_tank += gas[i]-cost[i]; curr_tank += gas[i]-cost[i]; // If one couldn't get here, if(curr_tank < 0){ // Start over from next station. starting_station=i+1; curr_tank=0; } } return total_tank >= 0 && starting_station != gas.size(); } ``` 以上三个实例均体现了不同形式下的贪心思维模式及其应用技巧,它们共同之处在于总是倾向于做出当下看来最佳的动作,进而逐步构建出完整的解决方案框架。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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