本质:
局部最优去推导全局最优
两个极端
贪心算法的难度一般要么特别简单,要么特别困难,所以我们只能多见识多做题,记住无需数学证明,因为两道贪心基本上毫无关系,我们只需要去思考局部最优即可
比如有一堆钞票,你可以拿走十张,如果想达到最大的金额,你要怎么拿?
那肯定是每次拿最大的就行,局部最优就是每次拿最大数额的钞票,全局最优就是最后数额的总和是最大的.
这里贪心没有任何的模板总结,因为解决不同问题的贪心策略是完全不同的,我们不需要严格的数学证明,如果面对一道题你有这么一种贪心的策略,同时你找不到任何明显的反例,那么就可以照着这个思路来思考问题...
这题我们有两种思路可以解决问题
1.优先考虑胃口:大饼干喂饱大胃口
这里的局部最优就是充分利用大饼干来喂饱小孩,全局最优就是喂饱尽可能多的小孩
(尽可能让吃饱的人多)
2.优先考虑饼干:小饼干先喂饱小胃口
这里的局部最优是花费掉最小的饼干,让小饼干物尽其用,全局最优是使饼干的花费更有性价比.
(尽可能让饼干发挥最大的效果)
- //解法一:
- class Solution {
- int count = 0;
- int start = 0;
- public int findContentChildren(int[] g, int[] s) {
- Arrays.sort(g);
- Arrays.sort(s);
-
- for(int i = 0;i
- {
- if(s[i]>=g[start])
- {
- start++;
- count++;
- }
- }
- return count;
-
- }
- }
-
- //解法2
- class Solution {
- int count = 0;
- int start ;
- public int findContentChildren(int[] g, int[] s) {
- start = s.length-1;
- Arrays.sort(g);
- Arrays.sort(s);
-
- for(int i = g.length-1;i>=0;i--)
- {
- if(start >= 0 && s[start]>=g[i])
- {
- start--;
- count++;
- }
- }
- return count;
-
- }
- }
LeetCode T376 摆动序列
前言
这题我们看到可以删除数组中的元素也可以不删除可能就吓到了,其实是这道题可以用动态规划或者贪心的策略去解决问题,这里我们还是用贪心的解法去解决问题,具体动态规划的思路可以参照网站:代码随想录 (programmercarl.com)
摆动数列的定义
做这题之前我们得明白什么是摆动序列,举个例子[2,6,1,9,3]这个数组,呈现一个波动变化的形态,就称为摆动序列
如果序列只有两个元素,这里就认为摆动序列的长度为2,默认有两个摆动
题目思路:
这题我们首先要考虑情况,我列出以下三种情况:
1.首末元素
2.上下有平坡
3.单调有平坡
变量定义
curDiff:记录当前差值 假设目前遍历到的元素为i ,curDiff = nums[i+1] - nums[i]
preDiff:记录之前的差值 preDiff = nums[i] - nums[i-1]
count 记录结果,为了满足默认首尾元素的情况,我们默认count从1开始取值
我们只需要遍历一次数组,满足前后diff不同号即可
注意不能写成curDiff>=0这种情况,因为这样就表示从高或者低值到平坡,是不增加波动的
最后每次结束让pre更新为cur就可以了
这是一个错误的思路,我们是只有遇到了坡度变化才会让pre更新
- for(int i = 0;i
1;i++) - {
- curDiff = nums[i+1] - nums[i];
- if((curDiff>0 && preDiff<=0 ) || (curDiff<0 && preDiff>=0))
- {
- count++;
- preDiff = curDiff;
- }
- }
代码模板:
- class Solution {
- public int wiggleMaxLength(int[] nums) {
- if(nums.length<=1)
- {
- return nums.length;
- }
- int preDiff = 0;
- int count = 1;
- int curDiff = 0;
- for(int i = 0;i
1;i++) - {
- curDiff = nums[i+1] - nums[i];
- if((curDiff>0 && preDiff<=0 ) || (curDiff<0 && preDiff>=0))
- {
- count++;
- preDiff = curDiff;
- }
- }
- return count;
-
- }
- }
LeetCode T53 最大子数组和
题目链接:53. 最大子数组和 - 力扣(LeetCode)
题目思路:
贪心贪的是哪里呢?
如果 -2 1 在一起,计算起点的时候,一定是从 1 开始计算,因为负数只会拉低总和,这就是贪心贪的地方!
局部最优:当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小。
全局最优:选取最大“连续和”
局部最优的情况下,并记录最大的“连续和”,可以推出全局最优。
从代码角度上来讲: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。
这相当于是暴力解法中的不断调整最大子序和区间的起始位置。
定义变量:
count:记录局部和
sum:记录目前出现的最大和
思路:一层for循环遍历数组,每次遇到连续子数组之和为负数的时候,就从下一个元素继续开始叠加,每次叠加一个元素对sum进行一次更新.
题目代码:
- class Solution {
- public int maxSubArray(int[] nums) {
- int count = 0;//目前值
- int sum = Integer.MIN_VALUE;//目前出现的最大值
- for(int i = 0;i
- {
- count+=nums[i];
- sum = Math.max(count,sum);
- if(count < 0)
- {
- count = 0;
- }
- }
- return sum;
-
- }
- }
-
相关阅读:
[附源码]计算机毕业设计基于web的羽毛球管理系统
Apache Doris的数据导入insert、数据删除delete
做事软件开发-法的重要性所在以及合理结论的认识
介绍Spring MVC框架,以及如何使用它构建Web应用程序。
系统服务管理-Systemd
边缘服务器的未来是什么?思考 5G 和 AI 需求
第六年到第十年是分水岭
Singleton Pattern 单例模式简介与 C# 示例【创建型】【设计模式来了】
Android IPC | Android多进程模式
复现MySQL的索引选择失误以及通过OPTIMIZER_TRACE分析过程
-
原文地址:https://blog.csdn.net/qiuqiushuibx/article/details/133996537