【每日算法】贪心决策原排序数组的每一位,以及贪心解的正确性证明|Python 主题月

简介: 【每日算法】贪心决策原排序数组的每一位,以及贪心解的正确性证明|Python 主题月

网络异常,图片无法展示
|


题目描述



这是 LeetCode 上的 1846. 减小和重新排列数组后的最大元素 ,难度为 中等


Tag : 「贪心」


给你一个正整数数组 arr 。请你对 arr 执行一些操作(也可以不进行任何操作),使得数组满足以下条件:


  • arr 中 第一个 元素必须为 1 。
  • 任意相邻两个元素的差的绝对值 小于等于 1 ,也就是说,对于任意的 1 <= i < arr.length (数组下标从 0 开始),都满足 abs(arr[i] - arr[i - 1]) <= 1 。abs(x) 为 x 的绝对值。


你可以执行以下 2 种操作任意次:


  • 减小 arr 中任意元素的值,使其变为一个 更小的正整数 。
  • 重新排列 arr 中的元素,你可以以任意顺序重新排列。


请你返回执行以上操作后,在满足前文所述的条件下,arr 中可能的 最大值 。


示例 1:


输入:arr = [2,2,1,2,1]
输出:2
解释:
我们可以重新排列 arr 得到 [1,2,2,2,1] ,该数组满足所有条件。
arr 中最大元素为 2 。
复制代码


示例 2:


输入:arr = [100,1,1000]
输出:3
解释:
一个可行的方案如下:
1. 重新排列 arr 得到 [1,100,1000] 。
2. 将第二个元素减小为 2 。
3. 将第三个元素减小为 3 。
现在 arr = [1,2,3] ,满足所有条件。
arr 中最大元素为 3 。
复制代码


示例 3:


输入:arr = [1,2,3,4,5]
输出:5
解释:数组已经满足所有条件,最大元素为 5 。
复制代码


提示:


  • 1 <= arr.length <= 10^5105


1 <= arr[i] <= 10^9109


基本分析 & 证明



根据题意,数组的第一位必须是 11,且每个数只能 减小不变,数值位置可以任意调整。


求解经过调整后,符合要求的数组中的最大值是多少。


首先符合条件的数组相邻位差值绝对值不超过 11,这限定了数组的必然是如下三种分布之一:


  • (非严格)单调递减
  • 存在波段
  • (非严格)单调递增


证明一:取得最优解对应的数组「必然是」或者「可调整为」(非严格)单调递增的形式。


我们使用反证法来证明另外两种分布不能取得最优解:


  • (非严格)单调递减:题目限定了数的范围为正整数,且第一位为 11,这种情况不用讨论了,跳过;
  • 存在波段:我们始终可以将波峰的右侧出现的值,纳入到波峰的左侧,从而消掉这个波峰,最终将整个分布调整为「(非严格)单调递增」的形式,结果不会变差:


网络异常,图片无法展示
|


多个波段的情况也是同理,可以自己在纸上画画。


都是利用 波峰右侧的点可以调整成波峰左侧的点,从而使分布变为(非严格)单调递增。


至此,我们证明了最优解对应的数组必然符合(非严格)单调递增。


这启发我们可以先对原数组排个序,在此基础上进行分析。


对原数组排序得到的有序数组,不一定是符合「相邻位差值绝对值不超过 11」的,同时由于每个数值可以选择 减小不变


证明二:当必须要对当前位进行调整的时,优先选择调整为「与前一值差值为 11 的较大数」不会比调整为「与前一差值为 00 的较小数」更差。


这可以使用归纳推理,假设采取「优先调整为与前一值差值为 11 的较大数」得到的序列为 a,采用「优先调整与前一差值为 00 的较小数」得到的序列为 b


根据「a[0] = b[0] = 1a[0]=b[0]=1」、「ab 长度一致」、「ab 均为(非严格)单调递增」以及「ab 均满足相邻位差值不超过 11」,可推导出 sum(a) >= sum(b)sum(a)>=sum(b),和任意位置 a[i] >= b[i]a[i]>=b[i],从而推导出 a 序列的最后一位必然大于等于 b 的最后一位。


b 不会比 a 更优。


证明三:调整大小的操作不会改变数组元素之间的相对位置关系。


在证明二的分析中,我们会对某些元素进行“减小”操作,使得整个数组最终满足「相邻位差值绝对值不超过 11」。


但该证明成立的还有一个很重要的前提条件,就是调整操作不会出发元素的位置重排。

那么该前提条件是否必然成立呢?答案是必然成立。


假设原排序数组中存在需要调整的点 ii 和点 jj,且 nums[i] <= nums[j]nums[i]<=nums[j]


为了让数组满足条件,它们都进行了“减少”操作的调整,分别变为了 ppqq,如果触发位置重排的话,必然有 nums[p] >= nums[q]nums[p]>=nums[q]


此时,我们能够通过调整它们的变化关系:点 ii 变为点 qq、点 jj 变成点 pp 来确保同样满足条件,且不触发元素在有序数组中的位置重排。


网络异常,图片无法展示
|


贪心



排序,限定第一位值为 11,从前往后处理,根据每一位是否「必须修改(与上一位差值是否大于 11)」做决策,如果必须被修改,则修改为与前一值差值为 11 的较大数。


Java 代码:


class Solution {
    public int maximumElementAfterDecrementingAndRearranging(int[] arr) {
        int n = arr.length;
        Arrays.sort(arr);
        arr[0] = 1;
        for (int i = 1; i < n; i++) {
            if (arr[i] - arr[i - 1] > 1) {
                arr[i] = arr[i - 1] + 1;
            }
        }
        return arr[n - 1];
    }
}
复制代码

Python 3 代码:

class Solution:
    def maximumElementAfterDecrementingAndRearranging(self, arr: List[int]) -> int:
        n = len(arr)
        arr.sort()
        arr[0] = 1
        for i in range(1, n):
            if arr[i] - arr[i - 1] > 1:
                arr[i] = arr[i - 1] + 1
        return arr[n - 1]
复制代码


  • 时间复杂度:假定 Arrays.sort 使用的是双轴快排实现。复杂度为 O(n\log{n})O(nlogn)
  • 空间复杂度:假定 Arrays.sort 使用的是双轴快排实现。复杂度为 O(\log{n})O(logn)


最后



这是我们「刷穿 LeetCode」系列文章的第 No.1846 篇,系列开始于 2021/01/01,截止于起始日 LeetCode 上共有 1916 道题目,部分是有锁题,我们将先把所有不带锁的题目刷完。


在这个系列文章里面,除了讲解解题思路以外,还会尽可能给出最为简洁的代码。如果涉及通解还会相应的代码模板。


为了方便各位同学能够电脑上进行调试和提交代码,我建立了相关的仓库:github.com/SharingSour…


在仓库地址里,你可以看到系列文章的题解链接、系列文章的相应代码、LeetCode 原题链接和其他优选题解。

相关文章
|
1月前
|
算法
Leetcode 初级算法 --- 数组篇
Leetcode 初级算法 --- 数组篇
38 0
|
2天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
15 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
2天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
11 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
2天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
10 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
7天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
24 2
|
7天前
|
搜索推荐 Python
快速排序的 Python 实践:从原理到优化,打造你的排序利器!
本文介绍了 Python 中的快速排序算法,从基本原理、实现代码到优化方法进行了详细探讨。快速排序采用分治策略,通过选择基准元素将数组分为两部分,递归排序。文章还对比了快速排序与冒泡排序的性能,展示了优化前后快速排序的差异。通过这些分析,帮助读者理解快速排序的优势及优化的重要性,从而在实际应用中选择合适的排序算法和优化策略,提升程序性能。
20 1
|
1月前
|
存储 机器学习/深度学习 算法
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
蓝桥杯Python编程练习题的集合,涵盖了从基础到提高的多个算法题目及其解答。
57 3
蓝桥杯练习题(三):Python组之算法训练提高综合五十题
|
1月前
|
算法 程序员 索引
数据结构与算法学习七:栈、数组模拟栈、单链表模拟栈、栈应用实例 实现 综合计算器
栈的基本概念、应用场景以及如何使用数组和单链表模拟栈,并展示了如何利用栈和中缀表达式实现一个综合计算器。
28 1
数据结构与算法学习七:栈、数组模拟栈、单链表模拟栈、栈应用实例 实现 综合计算器
|
18天前
|
机器学习/深度学习 人工智能 算法
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
车辆车型识别,使用Python作为主要编程语言,通过收集多种车辆车型图像数据集,然后基于TensorFlow搭建卷积网络算法模型,并对数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django搭建web网页端操作界面,实现用户上传一张车辆图片识别其类型。
62 0
【车辆车型识别】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+算法模型
|
23天前
|
机器学习/深度学习 算法 Java
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)
机器学习、基础算法、python常见面试题必知必答系列大全:(面试问题持续更新)