代码随想录算法训练营打卡Day31 | 贪心法复习、LeetCode455 分发饼干、LeetCode376 摆动序列、LeetCode53 最大子数组和

摘要

  • 贪心算法可以认为是动态规划算法的特例。对于可能具有贪心选择性质的问题,可以先尝试贪心算法,看运行结果是否正确,贪心算法不对则退一步,用动态规划求解。
  • 或许应该先复习动态规划再复习贪心算法,贪心算法太巧妙了,如果没有选择正确的贪心策略,还是很难解决问题的。

贪心算法理论基础

1. 和动态规划的关系
  • 贪心算法可以认为是动态规划算法的特例,和动态规划相比,使用贪心算法解题需要问题满足额外的条件(即贪心选择性质)
2. 贪心选择性质
2.1 概念
  • 贪心选择性质,直观地去理解,就是每一步都做出一个局部最优的选择,逐步的局部最优直到最终的结果是全局最优。
  • 这是一个特殊的性质,只有一部分问题满足这个性质。
2.2 要不要证明?
  • 贪心选择性质的判断和证明目前还没有简单的通法,一般可以通过数学归纳法和反证法来进行严谨的数学证明,但耗时较长,相对于解题时间来说得不偿失。和严谨地证明贪心选择性质相比,直接尝试贪心算法,看最终结果是否正确,或者能不能举出反例来说明不能用贪心效率更高。
  • 对于可能具有贪心选择性质的问题,可以先尝试贪心算法,贪心算法不正确再退一步使用动态规划。
2.3 贪心算法的思考步骤

从贪心选择性质的概念出发,每一步的局部最优最终导致全局最优。在解决一个具体问题是,这需要我们明确以下三步:

  1. 每一步(即子问题)是什么,如何把问题分解成子问题,或者说模拟求解的过程中如何定义“一步”怎么走。
  2. 这一步的局部最优是什么
  3. 全局最优是什么
  4. 最后再尽量用一句话来总结贪心选择的过程

贪心算法确实没有固定的模板或者套路,但形成一套自己的方法论还是有必要的,不能漫无目的的思考。

LeetCode455 分发饼干

455. 分发饼干 - 力扣(Leetcode)

  • 每一步是什么:把一块饼干j分给一个孩子i,这就是这个问题中的一步。
  • 这一步的局部最优是什么:把一块饼干分给一个孩子,只有能满足胃口和不能满足胃口两种结果。饼干j能满足孩子i的胃口当然是必要的,局部最优的情况可能是:饼干j能恰好满足孩子i的胃口,或者只比孩子i的胃口稍大,这样就不会浪费饼干的尺寸。
  • 全局最优是什么:题目帮我们定义好了,就是尽可能满足越多数量的孩子。
  • 对饼干的尺寸值进行升序排序,对孩子的胃口值也进行升序排序,方便我们先将小的饼干分给胃口小的孩子。
class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(), g.end());
        sort(s.begin(), s.end());
        int i = 0;
        if (g.empty() || s.empty()) return i;// 没有孩子或者没有饼干,都返回0
        for (int j = 0; j < s.size(); j++) {// 把一块饼干
            if (s[j] >= g[i]) i++;// 尝试分给一个孩子
            if (i >= g.size()) break;// 每位孩子的胃口都满足了,不用再分了
        }
        return i;
    }
};

LeetCode376 摆动序列

376. 摆动序列 - 力扣(Leetcode)

  • 先考虑边界条件,题目说“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”,那先过滤掉只有一个元素的情况。
if (nums.size() < 2) return nums.size();
  • 每一步是什么:选两个相邻的数字nums[i - 1]nums[i],判断这两个数字是不是摆动序列。
    • 第一步:这两个数字不相等,那构成一个长度为2的摆动序列,并保存这两个元素的差值last
    • 之后的步骤:i向右移一位,判断新的nums[i - 1]nums[i]的差值是否与last异号。摆动序列中相邻的两位数字不能相等,如果nums[i - 1] == nums[i]即相邻元素的值相等,最终应该至多只保留一个元素。考虑到相邻元素相等的情况,(nums[i - 1] - nums[i]) * last < 0判断异号的条件应该改为(nums[i - 1] - nums[i]) * last <= 0
  • 局部最优:nums[i - 1] - nums[i]不等于0且与last异号。
  • 全局最优,即找到最长的摆动序列的长度。
class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        if (nums.size() < 2) return nums.size();
        int last = 0;// 假设 nums[0] == nums[1]
        int count = 1;
        for (int i = 1; i < nums.size(); i++) {
            if (nums[i - 1] == nums[i]) {// 相邻元素相等,直接右移
                continue;
            }
            if ((nums[i - 1] - nums[i]) * last <= 0) {
                // nums[0] != nums[1] 时可以执行到这里
                last = nums[i - 1] - nums[i];
                // 之后不会再出现(nums[i - 1] - nums[i]) * last == 0的情况
                // 除了第一步,上面的判断条件就是nums[i - 1] - nums[i]与last异号
                count++;
            }
        }
        return count;
    }
};

LeetCode53 最大子数组和

53. 最大子数组和 - 力扣(Leetcode)

  • 题目要求子数组是连续的,可以用数组的滑动窗口的思路来思考,但这道题只需要用i控制窗口的终止位置。
  • 每一步是什么:这一步枚举到的元素为nums[i],当前子数组的和为cur。如果cur小于0,则将cur归零,从nums[i + 1]重新求和。
  • 局部最优:如果当前子数组的cur比之前保存的maxSum要大,则将cur赋值给maxSum
  • 全局最优:maxSum是最大的子数组的和。
class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int res = INT_MIN;
        int cur = 0;
        for (int i = 0; i < nums.size(); i++) {
            cur += nums[i];
            if (cur > res) res = cur;
            if (cur < 0) cur = 0;
        }
        return res;
    }
};

今日总结

  • 贪心算法确实很巧妙,确实没有固定的通法或套路。贪心算法似乎就是具有贪心选择性质的问题的最优解。贪心选择性质本身就是特殊的性质,只有很少一部分问题具备,这似乎也导致了贪心法写出的代码虽然简单,但在数学上证明起来困难,也很难快速想到如何选择合适地贪心策略(即如何定义每一步和局部最优)。
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容