写在前面
本篇开始总结贪心算法的原理和思路，本篇主要是对贪心有一个基本的认知和做题的逻辑思路，在理清逻辑的前提下进行解题会轻松许多，后续进行题量的累积以获得更多的算法思路和解题经验
贪心算法
什么是贪心算法？
贪心算法是很重要的一类算法，它解题的核心是找到一种贪心的策略，能够将解决问题的策略从局部最优转换成全局最优
如何解决贪心问题？
- 把解决问题的步骤可以划分为若干步
- 解决每一个步骤的时候，都选择看起来是一个最优的解法
- 希望可以得到全局的最优解
贪心算法的特点？
- 从贪心策略提出的角度来讲：
- 贪心策略的提出是没有固定的标准和模板
- 贪心策略每道题都可能会不一样
- 从贪心策略正确性的角度来讲：
- 贪心策略并不一定是正确的
- 因此正确的贪心策略是需要被证明的
初步认知
下面从几个经典的问题，从贪心的角度来看题
找零问题
这是一类很经典的题目，例如现在去超市买东西，售货员收到了50元的纸币，物品是4元钱，售货员要找出46元，现在她有20,10,5,1元纸币若干张，现在要让找出的纸币数量是最少的，应该如何解决？
对待这个问题，如果直观去想其实是很简单的，只需要2张20，1张5元，1张1元即可凑够46元，但是这是直观去想的，如果转换成代码逻辑？
如果考虑的贪心策略是，将需要的钱数从面额大的情况开始找，每次都在大面额的纸币找不到的前提下再去找次大的纸币，根据这样的贪心策略的确可以找到一个方案，但是这个方案的正确性却有待考证，放在这个题当然正确，但如果是下面的题型：
给定某国家纸币面额有20元，18元，10元，5元，1元，现在要找够36元，如果再使用刚才的思路，那么就应该要找1张20元，1张10元，1张5元，1张1元，但是实际上，只需要2张18元的纸币就足够了，这说明上面的算法策略是有问题的，不可以使用这样的算法策略
最短路径问题
现在给定一个3x3的表格，其中每个格子的数据代表距离，现在要求从格子的左上角走到右下角最少需要走多少距离？
现在想一种贪心策略，每次比较格子四周的数值，选择最小的那个数值去寻路，那么对于上图来说可以寻路出这样的路
但是这样的路很明显不如走另外一个直角路，这说明贪心策略也是有问题的，这也进一步的说明了现在寻找出的贪心策略并不一定是正确的，还需要进行后续的步骤才能说明这个贪心策略是正确的
下面使用几个例题来解决上面的问题：
典型例题
柠檬水找零
贪心策略
对于这个题来说，贪心策略就是给五元就收下，给十元就找五元，给二十元就找十元和五元，这是正确的贪心策略，如果给二十元找三张五元这就是一个错误的贪心策略
代码解析
class Solution { public: bool lemonadeChange(vector<int>& bills) { int five=0,ten=0; for(auto x : bills) { if(x==5) { five++; } else if(x==10) { if(five==0) { return false; } else { five--; ten++; } } else { if(ten && five) { ten--; five--; } else if(five>=3) { five-=3; } else { return false; } } } return true; } };
将数组减半的最少操作次数
本题的贪心策略也比较简单，直接找最大的数减半
唯一要注意的是，这里可以采用一个大根堆的数据结构来解决，代码实现也很容易
class Solution { public: int halveArray(vector<int>& nums) { priority_queue<double> heap; double sum=0.0; for(auto x : nums) { heap.push(x); sum+=x; } sum /= 2; int count=0; while(sum>0) { double t=heap.top()/2; heap.pop(); sum-=t; count++; heap.push(t); } return count; } };
最大数
此题的贪心策略是，使用一个比较函数进行比较，根据字符串中的先后大小顺序选出可以组成的最大的数，贪心的比较策略就是让字符串两两相加，谁大选谁即可
class Solution { public: string largestNumber(vector<int>& nums) { vector<string> v; for (auto x : nums) { v.push_back(to_string(x)); } sort(v.begin(), v.end(), [](const string& s1, const string& s2) { return (s1 + s2) > (s2 + s1); }); string res; for (auto x : v) { res += x; } if (res[0] == '0') { return "0"; } return res; } };
摆动序列
本题的贪心策略是找拐点，对于这个题来说，如果把数组中的元素放到一个折线图中，那么贪心策略就是找到每一次的拐点即可，那么根据这个原理只需要统计出每一次的拐点就可以
对于统计拐点的思路来说，定义一个left和right状态值，表示的是现在这个情况下下一个目标值的状态和现在是否一样，如果一样则说明不是拐点，如果不一样就说明状态由递增转换为递减或者是由递减转换为递增，基于这个原理就可以进行代码的编写解决问题了
class Solution { public: int wiggleMaxLength(vector<int>& nums) { int left=0,right=0,count=0; if(nums.size()<2) { return nums.size(); } for(int i=0;i<nums.size()-1;i++) { right=nums[i+1]-nums[i]; if(right==0) { continue; } if(left*right<=0) { count++; } left=right; } return count+1; } };
![[大语言模型-算法优化] 微调技术-LoRA算法原理及优化应用详解](https://ucc.alicdn.com/pic/developer-ecology/qy2cxr5w3tthc_33f1d390347b4adeb98b335ecc73ec77.jpeg?x-oss-process=image/resize,h_160,m_lfit)