目录python
概述算法
引入数组
钞票支付问题ide
解答性能
最优子结构spa
区间问题code
leetcode 435 无重叠区间排序
解答游戏
问题转换ci
leetcode 55 跳跃游戏
解答
题目
顾名思义,贪心算法或贪心思想采用贪心的策略,保证每次操做都是局部最优的,从而使最后获得的结果是全局最优的。
引入有1元、5元、10元、20元、100元的钞票无穷多张。现使用这些钞票支付X元,最少须要多少张?
例如,X=628
按照常识,咱们先使用大额的进行支付。
from typing import List def getMinNum(moneys: List[int], X: int) -> int: moneys.sort(reverse=True) i, ans = 0, 0 while X != 0: number = X // moneys[i] X -= moneys[i] * number print(moneys[i], number) ans += number i += 1 return ans if __name__ == '__main__': moneys = [1, 2, 5, 10, 20, 100] X = 628 print(getMinNum(moneys, X))
100 6
20 1
10 0
5 1
2 1
1 1
10
虽然结果是对的,可是咱们并无给出证实。这里也不用数学公式证实了,简单一句话就是大的钞票能够换成小的钞票,若使用小的钞票,那么会更多,不符合题目要求。其次,最优解包含子问题的最优解,628的最优解去除1就是627的最优解。
思考一个问题,若是钞票面值添加7呢?
X | 面值*数量 总数量 |
---|---|
7 | 7*1 1 |
8 | 7*1+1*1 2 |
9 | 7*1+2*1 2 |
10 | 10*1 1 |
11 | 10*1 + 1*1 2 |
12 | 10*1 + 2*1 2 |
13 | 10*1 +2*1+1*1 3 |
14 | 10*1 + 2 * 2 3 |
相信读者看到了,若仍是贪心的话,14的结果就不对了,由于14的最优解为7*2,2张便可。
最优子结构最优子结构指的是,问题的最优解包含子问题的最优解。反过来讲就是,咱们能够经过子问题的最优解,推导出问题的最优解。
X=14时,选7+7比选10+2+2要好。或者说,X=14时的第一个选择7,不是子问题X=13时的第一个选择10。这样先选最大的这种贪心策略就不对了。
以上,就说明了只有经过子问题的最优解能推导出问题的最优解的状况下才能使用贪心算法。
接下来看几个典型问题。
区间问题给定一个区间的集合,找到须要移除区间的最小数量,使剩余区间互不重叠。
注意:
能够认为区间的终点老是大于它的起点。
区间 [1,2] 和 [2,3] 的边界相互“接触”,但没有相互重叠。
示例 1:
输入: [ [1,2], [2,3], [3,4], [1,3] ]
输出: 1
解释: 移除 [1,3] 后,剩下的区间没有重叠。
若是已经肯定了一个区间,如何肯定另外一附近区间呢?因为题目要要移除区间的的最小数量,咱们应该选择延展最少的(贪心),这样覆盖的少。例如,咱们肯定了从小到大,选区了第一个区间,而有一区间的右端点比较大,若选择它,那么不少右端点小的就会和这一区间重复,致使去除了不少重复区间。所以,这里按照区间右端点从小到大排序,选择第一个区间开始,依次向后判断是否重叠,重叠则去除。
class Solution: def eraseOverlapIntervals(self, intervals: List[List[int]]) -> int: intervals.sort(key=lambda x: x[1]) print(intervals) # 返回是否重叠 def isOver(a, b): if b[0] < a[1]: return True return False start, ans = intervals[0], 0 for cur in intervals[1:]: if isOver(start, cur): ans += 1 else: start = cur return ans
固然,你若是选择最右边的开始也是同样的。
问题转换给定一个非负整数数组 nums ,你最初位于数组的 第一个下标 。
数组中的每一个元素表明你在该位置能够跳跃的最大长度。
判断你是否可以到达最后一个下标。
示例 1:
输入:nums = [2,3,1,1,4]
输出:true
解释:能够先跳 1 步,从下标 0 到达下标 1, 而后再从下标 1 跳 3 步到达最后一个下标。
示例 2:
输入:nums = [3,2,1,0,4]
输出:false
解释:不管怎样,总会到达下标为 3 的位置。但该下标的最大跳跃长度是 0 , 因此永远不可能到达最后一个下标。
第一时间想到的多是每次选择最远的跳,这样能够跳的“更远”,从而达到最后。其实这样是不对的,可能你跳的“更远”的下一跳反而比其余选择的下一跳近,因此咱们并非选择跳的最远的,而是选择在可跳的范围内最终能跳的最远的。
这就是对局部最优的理解,你没有沿着你的选择跳到最后,你并不知道是否是局部最优。所以,咱们维护一个当前能跳的最远位置,将全部选择的下一跳计算出来并持续更新最远位置。
pos | max_pos |
---|---|
2 | 2 |
3 | 4 |
1 | 4 |
1 | 4 |
4 | 8 |
class Solution: def canJump(self,nums): n = len(nums) max_pos = 0 # 当前最远位置 for pos, jump in enumerate(nums): # poi为当前位置,jump是当前位置的跳数 if max_pos>=pos and pos+jump>max_pos: # 若是当前位置能到达,而且 当前位置+跳数>最远位置, max_pos = pos+jump # 更新最远能到达位置 # 提早结束 if max_pos >= n - 1: return True if max_pos < pos: return False return True
固然,咱们能够提早结束,让咱们的程序性能更好。
你们能够练练相关题目,巩固一下。
题目leetcode 435 无重叠区间
leetcode 455 分发糖果
leetcode 376 摆动序列
leetcode 402 移掉K位数字
leetcode 55 跳跃游戏