♥♥♥~~~~~~欢迎光临知星小度博客空间~~~~~~♥♥♥
♥♥♥零星地变得优秀~也能拼凑出星河~♥♥♥
♥♥♥我们一起努力成为更好的自己~♥♥♥
♥♥♥如果这一篇博客对你有帮助~别忘了点赞分享哦~♥♥♥
♥♥♥如果有什么问题可以评论区留言或者私信我哦~♥♥♥
✨✨✨✨✨✨ 个人主页✨✨✨✨✨✨
在前面的博客中，我们已经学习了部分算法思路，可以解决一些问题了，这一篇博客我们来展开一个新的算法思想——贪心，准备好了吗~我们发车去探索奥秘啦~🚗🚗🚗🚗🚗🚗
目录
前置知识
什么是贪心算法?
举例
找零钱问题
最小路径和问题
贪心算法的特点
柠檬水找零
将数组和减半的最小操作数
priority_queue
核心特性
常用操作
前置知识
在真正开始贪心算法题目练习之前，我们首先要了解什么是贪心算法？贪心算法有什么特点？
什么是贪心算法?
我们可以用一句话来概括：贪婪+鼠目寸光
贪心策略: 解决问题的策略，由局部最优——>全局最优
具体步骤：
1.把解决问题的过程分为若干步;
2.解决每一步的时候，都选择当前看起来"最优的"解法;（鼠目寸光）
3."希望"得到全局最优解。（不一定就是最优解）
光光看这些步骤会有一点抽象，我们来结合具体例子来看~
举例
找零钱问题
将要解决的问题分为几步，从最大的面值开始计算，找当前花的最少张数，显然答案是正确的，后续我们会进行证明~
最小路径和问题
在前面动态规划我们提到过这个问题，这一次我们试一下使用贪心算法可不可以解决~
从左上角开始，我们每一步都按当前位置的最优选择（局部最优解）进行，但是不难发现结果是错误的~所以我们是"希望"得到全局最优解，但是结果不一定近人意，我们就需要更改我们的贪心策略~
贪心算法的特点
结合前面的例子，我们可以发现贪心算法有下面的特点：
一、贪心策略的提出
1.贪心策略的提出是没有标准以及模板的2.可能每一道题的贪心策略都是不同的
二、贪心策略的正确性
"贪心策略"可能是一个错误的方法；正确的贪心策略，我们是需要"证明的"。常用的证明的方法:数学中见过的所有证明方法
接下来，我们就来证明找零钱问题贪心策略的正确性：
我们首先假设最优解得到的面值为20、10、5、1的张数分别为A、B、C、D，我们首先来看看它们的特点/性质：
相同的分析可以得到B、C、D满足B<=1,C<=1,D<=4
我们继续来看，假设贪心算法得到的面值为20、10、5、1的张数分别为a、b、c、d~
既然最优解是最少的张数的话，那么我们显然a>=A的，那么我们来分析一下a>A的情况，a大于A说明还有20需要其他面值凑出来，但是B、C、D满足B<=1,C<=1,D<=4，所以最多就是19，不能凑出来20，那么就说明a==A，同理可以得到b==B，c==C，d==D，所以最优解的答案和贪心得到的答案是一样的，那么也就说明是正确的~
因此，正确的贪心策略，我们是需要"证明的"，证明结果正确才代表贪心策略正确，证明贪心策略不正确，只需要举一个反例，那么这个时候就需要我们对贪心策略进行调整了~
有了前面的这些小知识点，接下来，我们就来在题目中进行实际应用贪心算法~
柠檬水找零
柠檬水找零
这个题目告诉了我们一杯柠檬水5美元，顾客可能给5美元/10美元/20美元，最开始我们手上没有任何的美元，这也就说明我们只能利用顾客给我们的钱进行找零~并且顾客是排队购买的，必须成功找了零钱才能继续收下一个顾客的钱~
我们来进行分类讨论：
1、如果顾客给的钱是5美元——直接收下
2、如果顾客给的钱是10美元——需要找5美元
3、如果顾客给的钱是20美元——需要找15美元（这里的十五美元就有两种选择了）
①10 + 5 ②5 + 5 + 5
我们主要来分析一下第三种情况，我们优先选择第一种还是第二种呢？
答案是第一种，我们不难发现5美元是有很大用处的，10美元可以找，20美元也可以找，结合我们的生活经验，我们应该尽可能的保留5美元~这里就体现了我们贪心思想，优先选择当前情况下的最优解，最终得到全局的最优解~
有了前面的分析，这道题目的代码实现就比较简单了~
代码实现：
//柠檬水找零
class Solution
{
public:
bool lemonadeChange(vector<int>& bills)
{
int n = bills.size();
int five = 0, ten = 0;//统计可以找的钱
for (auto x : bills)
{
if (x == 5)//是5元直接收下
{
five++;
}
else if (x == 10)//10元需要找5元
{
//判断是否有五元
if (five)
{
five--;
ten++;
}
else
return false;
}
else//20元需要找15元
{
//贪心思想
//优先10+5
if (five && ten)
{
five--;
ten--;
}
//其次5+5+5
else if (five >= 3)
{
five -= 3;
}
//找不了就return false
else
return false;
}
}
return true;
}
};
顺利通过~
将数组和减半的最小操作数
将数组和减半的最小操作数
题目要求是比较简单的，我们这里就直接来说一下我们的贪心策略：
贪心策略：
每一次找到数组中最大的数(我们可以使用大根堆）进行减半操作，再把减半的数重新放入数组中，重复操作，找到整个数组和减少一半为止~
贪心策略知道了，代码实现也就更加简单了~
代码实现：
class Solution
{
public:
int halveArray(vector<int>& nums)
{
//使用大根堆——每次找到最大值减少一半
int n = nums.size();
//减半之后可能是小数，使用double存储
priority_queue<double> heap;
//插入数据+统计数组和
double sum = 0;
for (auto e : nums)
{
heap.push(e);
sum += e;
}
sum /= 2.0;//和先除2
int count = 0;//计数
while (sum > 0)//当减半和>0,进入循环
{
//找到堆顶元素减少一半重新插入
double tmp = heap.top() / 2;
heap.pop();
sum -= tmp;
heap.push(tmp);
count++;
}
return count;
}
};
顺利通过~接下来对我们的贪心策略进行简单的证明~
交换论证法证明：
贪心解选择的数据：A 、B 、C 、D 、E.....x....
最优解选择的数据：a 、 b 、c 、 d、 e......y...
贪心解每一次都是选择最大的数进行减半操作，那么说明贪心解选择的数据 >= 最优解选择的数据,数据相同的情况，我们就不需要处理了，如果说贪心解选择的数据（x）>最优解选择的数据（y）——分情况讨论
1、如果这个数据没有使用过，因为x > y,那么把最优解里面的数据y替换成x，肯定是可以达到数组和减少一半的操作的
2、如果这个数据使用过了，我们也可以把最优解里面的数据y替换成x，只不过更改一下顺序就可以了
最终进行不断地替换完成之后，我们不难发现贪心解和最优解选择的数据个数是相等的，也就是我们想要的结果~
证明结束~
此外，这一篇文章提到的priority_queue也在这里进行简单介绍
priority_queue
priority_queue（优先队列）是一个基于堆（Heap）结构的容器适配器，用于高效管理元素的优先级。以下是关键点介绍：
核心特性
- 默认最大堆：默认使用大顶堆（最大元素在队首），可通过比较函数改为小顶堆。
- 默认大顶堆：
priority_queue<int> pqmax;- 小顶堆：
priority_queue<int, vector<int>, greater<int>> pqmin;
- 高效操作：插入（
push）和删除（pop）的时间复杂度为 O(log n)，访问队首元素（top）为 O(1) - 不支持遍历：内部通过堆实现，直接遍历无法得到有序序列。
常用操作
- 插入元素：
pq.push(value); - 删除队首：
pq.pop(); - 访问队首：
int top = pq.top(); - 判空：
pq.empty() - 大小：
pq.size()
如果想了解更加具体的可以访问cplusplus——priority_queue
♥♥♥本篇博客内容结束，期待与各位优秀程序员交流，有什么问题请私信♥♥♥
♥♥♥如果这一篇博客对你有帮助~别忘了点赞分享哦~♥♥♥
✨✨✨✨✨✨个人主页✨✨✨✨✨✨
