【C++】算法集锦(14):贪心算法

在这里插入图片描述

贪心算法

贪心算法可以理解为一种特殊的动态规划为题,拥有一些更加特殊的性质,可以进一步降低动态规划算法的时间复杂度。

来看几道题目熟悉一下这种“不断寻求局部最优”的算法。


跳跃游戏 I

输入一个非负整数数组nums,数组元素nums[i]表示的是:如果你站在位置 i ,最多能够往前跳几步。
现在你站在第一个位置nums[0],试问你能否跳到数组的最后一个位置?

例:[1,2,3,4,5],可以
[1,2,0,0,4],不行


思路分析

这题相对比较简单一些吧,当然不要去用回溯,用回溯的话时间复杂度太高。
成功的方式太多了,但是失败的方式只有一个:有足够多的0横亘在其中,导致不论怎么努力就是跳不过去。

我们哪几个栗子来试一下吧:

[0,····] //点点点的意思是随便你填什么数字都无所谓了
[1,2,1,0,···]
[2,0,0,···]
//还有啥特例吗?

我们来分析一下上面的栗子(我们假设数组有-1格,nums[-1] = 1,我们从nums[-1]开始):
第一个栗子:在下标为0的时候遇到了绝望的0,从下标为-1的地方为此前能前进的最大步数1,无法跨越,终结。
第二个栗子:在下标为3的时候遇到了绝望的0,从下标为1的地方获得了此前能前进的最大步数2,无法跨越,失败。
第三个栗子:在下标为2的时候遇到了绝望的0,从下标为0的地方获得了此前能前进的最大步数2,无法跨越,失败。

这三个栗子中,我们能提取出什么有效的信息?

0 --1= 1
3 - 1 = 2
2 - 0 = 2

对吧。
还有呢?为什么不变通一下,比如说例2中,不通过下标为2的点去中转呢?因为中转也无效啊。

那就是说我们要去尝试着中转。

这样讲可能会有点绕啊,我把例2改一下:[1,2,2,0],这不就活了吗!

拿两个例2来比对一下:
(以flag纪录当前能够到达的最远距离)

[1,2,1,0,···]	
//下标0最多到下标1,flag = 1;下标1最多到下标3,flag = 3;下标2最多到下标3,flag = 3;下标3,flag = 3;卒
[1,2,2,0]		
//下标0:flag = 1;下标1:flag = 3;下标2:flag = 4

可以看到,当flag == 下标 的时候,就凉凉了。


代码实现

所以,我们写出代码:

bool canJump(vector<int>& nums){
	int n = nums.size();
	int farthest = 0;
	for(int i = 0; i < n-1; i++){
		//不断计算能够跳到的最远距离
		farthest = max(farthest,i+nums[i]);
		//如果碰到0跳不动了
		if(farthest  <= i) return false;
	}
	return farthest >= n-1;
}

跳跃游戏 II

跟上面差不多,但是这次保证你能跳到最后,问你最少跳几次。

看着好眼熟啊,好像前面写过一道这样的题。换硬币是吧。

去递归选取后续跳法里面的最优,属于一种:从后向前的解法,可以理解为从底层开始层序遍历一棵树。只不过我们后来通过备忘录对这棵树进行了剪枝,不然真的不忍直视啊。

但是呢,我们今天讲的是贪心算法,它可以想象成从上往下一条路走下去。让我们看看:


思路

贪心算法是什么?贪心算法会选择当下最有潜力的一步。
举个例子:[2,3,1,2,5,1]
当你现在在下标0的位置,你可以跳两步。动归的话会递归去算这两步到最终结果的最优步数,但是贪心算法不这样。
贪心算法是每次尽可能多跳吗?NoNoNo,选择当下最有潜力的:在坐标1的位置,你有三个选择;在坐标2的位置,你只有一个选择,所以贪心算法会让你选择跳到坐标1。这就是贪心算法的局部最优(不要奇思妙想啥反例,要用贪心算法,就要承担它的失误率)。

接下来,我们来写代码:

int jump(vector<int>& nums){
	int n = nums.size();
	//站在索引i,最多能跳到索引end
	int end = 0;
	//从索引【i···end】起跳,最远能到的距离
	int farthest = 0;
	//纪录跳跃次数
	int jumps = 0;
	for(int i = 0; i<n; i++){
		farthest = max(nums[i]+1,farthest);
		if(end == i){
			jumps++;
			end = farthest;
		}
	}
	return jumps;
}

右手中指都麻了。。
歇了歇了。

在这里插入图片描述

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 代码科技 设计师:Amelia_0503 返回首页
实付 29.90元
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、C币套餐、付费专栏及课程。

余额充值