算法沉淀——贪心算法一（leetcode真题剖析）

在这里插入图片描述

算法沉淀——贪心算法一

01.柠檬水找零
02.将数组和减半的最少操作次数
03.最大数
04.摆动序列

贪心算法（Greedy Algorithm）是一种基于贪心策略的优化算法，它通常用于求解最优化问题，每一步都选择当前状态下的最优解，以期望通过局部最优的选择最终达到全局最优。贪心算法的思想是在每一步都做出在当前状态下局部最优的选择，而不考虑未来可能造成的影响。

在应用贪心算法时，通常需要满足两个基本要素：

最优子结构性质（Optimal Substructure）： 问题的最优解包含了其子问题的最优解。这意味着通过解决子问题可以得到原问题的最优解。
贪心选择性质（Greedy-Choice Property）： 在做每一步的选择时，选择当前状态下的最优解，即局部最优解。这样希望通过局部最优选择达到全局最优。

贪心算法适用于一些特定类型的问题，但并不适用于所有问题。它通常比动态规划算法更加高效，因为它不需要考虑所有可能的解，只需选择当前状态下的最优解。然而，贪心算法的局限性在于可能会错过全局最优解，因为它没有考虑未来的影响。

经典应用贪心算法的问题包括：

活动选择问题（Activity Selection Problem）： 选择一组互不相交的活动，使得参与的活动数最大。
霍夫曼编码（Huffman Coding）： 用变长编码表示不同字符，使得编码长度的加权和最小。
最小生成树问题（Minimum Spanning Tree Problem）： 在一个连通图中找到一棵包含所有顶点的树，使得树上边的权值之和最小。
单源最短路径问题的Dijkstra算法： 在一个带权图中，从一个顶点出发，找到到达其他顶点的最短路径。

需要注意的是，贪心算法并不总是能够找到问题的最优解，因此在应用时需要仔细分析问题的性质，确定贪心选择是否能够保证得到全局最优解。

01.柠檬水找零

题目链接：https://leetcode.cn/problems/lemonade-change/

在柠檬水摊上，每一杯柠檬水的售价为 5 美元。顾客排队购买你的产品，（按账单 bills 支付的顺序）一次购买一杯。

每位顾客只买一杯柠檬水，然后向你付 5 美元、10 美元或 20 美元。你必须给每个顾客正确找零，也就是说净交易是每位顾客向你支付 5 美元。

注意，一开始你手头没有任何零钱。

给你一个整数数组 bills ，其中 bills[i] 是第 i 位顾客付的账。如果你能给每位顾客正确找零，返回 true ，否则返回 false 。

示例 1：

输入：bills = [5,5,5,10,20]
输出：true
解释：
前 3 位顾客那里，我们按顺序收取 3 张 5 美元的钞票。
第 4 位顾客那里，我们收取一张 10 美元的钞票，并返还 5 美元。
第 5 位顾客那里，我们找还一张 10 美元的钞票和一张 5 美元的钞票。
由于所有客户都得到了正确的找零，所以我们输出 true。

示例 2：

输入：bills = [5,5,10,10,20]
输出：false
解释：
前 2 位顾客那里，我们按顺序收取 2 张 5 美元的钞票。
对于接下来的 2 位顾客，我们收取一张 10 美元的钞票，然后返还 5 美元。
对于最后一位顾客，我们无法退回 15 美元，因为我们现在只有两张 10 美元的钞票。
由于不是每位顾客都得到了正确的找零，所以答案是 false。

提示：

1 <= bills.length <= 105
bills[i] 不是 5 就是 10 或是 20

思路

当你收到 5 美元时，可以直接收下，不需要找零。
当你收到 10 美元时，你可以找零一个 5 美元，因为这样保留了足够的 5 美元找零。
当你收到 20 美元时，可以优先选择找零一个 10 美元和一个 5 美元的组合，因为这样可以保留更多的 5 美元找零。

代码

class Solution {
public:bool lemonadeChange(vector<int>& bills) {int five = 0, ten = 0;for(int& x:bills){if(x==5) five++;else if(x==10){if(five==0) return false;five--;ten++;}else{if(ten&&five){ten--;five--;}else if(five>=3) five-=3;else return false; }}return true;}
};

02.将数组和减半的最少操作次数

题目链接：https://leetcode.cn/problems/minimum-operations-to-halve-array-sum/

给你一个正整数数组 nums 。每一次操作中，你可以从 nums 中选择任意一个数并将它减小到恰好一半。（注意，在后续操作中你可以对减半过的数继续执行操作）

请你返回将 nums 数组和至少减少一半的最少操作数。

示例 1：

输入：nums = [5,19,8,1]
输出：3
解释：初始 nums 的和为 5 + 19 + 8 + 1 = 33 。
以下是将数组和减少至少一半的一种方法：
选择数字 19 并减小为 9.5 。
选择数字 9.5 并减小为 4.75 。
选择数字 8 并减小为 4 。
最终数组为 [5, 4.75, 4, 1] ，和为 5 + 4.75 + 4 + 1 = 14.75 。
nums 的和减小了 33 - 14.75 = 18.25 ，减小的部分超过了初始数组和的一半，18.25 >= 33/2 = 16.5 。
我们需要 3 个操作实现题目要求，所以返回 3 。
可以证明，无法通过少于 3 个操作使数组和减少至少一半。

示例 2：

输入：nums = [3,8,20]
输出：3
解释：初始 nums 的和为 3 + 8 + 20 = 31 。
以下是将数组和减少至少一半的一种方法：
选择数字 20 并减小为 10 。
选择数字 10 并减小为 5 。
选择数字 3 并减小为 1.5 。
最终数组为 [1.5, 8, 5] ，和为 1.5 + 8 + 5 = 14.5 。
nums 的和减小了 31 - 14.5 = 16.5 ，减小的部分超过了初始数组和的一半， 16.5 >= 31/2 = 15.5 。
我们需要 3 个操作实现题目要求，所以返回 3 。
可以证明，无法通过少于 3 个操作使数组和减少至少一半。

提示：

1 <= nums.length <= 105
1 <= nums[i] <= 107

思路

选择最大值： 每次从数组中选择当前最大的数。这可以通过使用堆来实现，具体来说是最大堆（Max Heap）。最大堆可以在O(1)时间内找到当前最大的元素。
减半： 将所选的最大值减半。这一步确保了每次选择都在尽量降低总和。
重复操作： 重复上述步骤直到数组和减少到至少一半。

代码

class Solution {
public:int halveArray(vector<int>& nums) {priority_queue<double> heap;double sum=0.0;for(int x:nums){heap.push(x);sum+=x;}sum/=2.0;int count=0;while(sum>0){double tmp=heap.top()/2.0;heap.pop();sum-=tmp;count++;heap.push(tmp);}return count;}
};

03.最大数

题目链接：https://leetcode.cn/problems/largest-number/

给定一组非负整数 nums，重新排列每个数的顺序（每个数不可拆分）使之组成一个最大的整数。

**注意：**输出结果可能非常大，所以你需要返回一个字符串而不是整数。

示例 1：

输入：nums = [10,2]
输出："210"

示例 2：

输入：nums = [3,30,34,5,9]
输出："9534330"

提示：

1 <= nums.length <= 100
0 <= nums[i] <= 109

思路

将所有的数字转换为字符串，以便方便拼接和比较。
定义一个新的排序规则，按照以下原则排序：
- 如果 A 拼接 B 大于 B 拼接 A，那么 A 在前，B 在后。
- 如果 A 拼接 B 等于 B 拼接 A，则 A 和 B 顺序无关。
- 如果 A 拼接 B 小于 B 拼接 A，那么 B 在前，A 在后。
按照新的排序规则对所有数字进行排序。
将排序后的数字依次拼接，得到最大的数字。

代码

class Solution {
public:string largestNumber(vector<int>& nums) {vector<string> strs;for(int x:nums) strs.push_back(to_string(x));sort(strs.begin(),strs.end(),[](const string& s1,const string& s2){return s1+s2>s2+s1;});string ret;for(string& s:strs) ret+=s;if(ret[0]=='0') return "0";return ret; }
};

04.摆动序列

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

如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为 **摆动序列。**第一个差（如果存在的话）可能是正数或负数。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。

例如， [1, 7, 4, 9, 2, 5] 是一个 摆动序列 ，因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。
相反，[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。

子序列 可以通过从原始序列中删除一些（也可以不删除）元素来获得，剩下的元素保持其原始顺序。

给你一个整数数组 nums ，返回 nums 中作为 摆动序列 的 最长子序列的长度 。

示例 1：

输入：nums = [1,7,4,9,2,5]
输出：6
解释：整个序列均为摆动序列，各元素之间的差值为 (6, -3, 5, -7, 3) 。

示例 2：

输入：nums = [1,17,5,10,13,15,10,5,16,8]
输出：7
解释：这个序列包含几个长度为 7 摆动序列。
其中一个是 [1, 17, 10, 13, 10, 16, 8] ，各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。

示例 3：

输入：nums = [1,2,3,4,5,6,7,8,9]
输出：2

提示：

1 <= nums.length <= 1000
0 <= nums[i] <= 1000

思路

从数组的第一个元素开始，逐个比较相邻的元素，找到第一个波峰（当前元素大于前一个元素且大于后一个元素）或波谷（当前元素小于前一个元素且小于后一个元素）。
一旦找到波峰或波谷，将其计数，并开始寻找下一个波峰或波谷。在此过程中，确保不重复计数已经找到的波峰或波谷。
重复以上步骤，直到遍历整个数组。

代码

class Solution {
public:int wiggleMaxLength(vector<int>& nums) {int n=nums.size();if(n<2) return n;int ret=0,left=0;for(int i=0;i<n-1;i++){int right = nums[i+1]-nums[i];if(right==0) continue;if(right*left<=0) ret++;left=right;}return ret+1;}
};