前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >贪心算法篇——经典题型

贪心算法篇——经典题型

作者头像
秋落雨微凉
发布于 2022-12-02 08:37:38
发布于 2022-12-02 08:37:38
37600
代码可运行
举报
运行总次数:0
代码可运行

贪心算法篇——经典题型

本次我们介绍贪心算法篇的经典题型,我们会从下面几个角度来介绍:

  • Huffman树
  • 排序不等式
  • 绝对值不等式
  • 推公式

Huffman树

我们直接给出对应题型:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*题目名称*/

合并果子
    
/*题目介绍*/
    
在一个果园里,达达已经将所有的果子打了下来,而且按果子的不同种类分成了不同的堆。

达达决定把所有的果子合成一堆。

每一次合并,达达可以把两堆果子合并到一起,消耗的体力等于两堆果子的重量之和。

可以看出,所有的果子经过 n−1 次合并之后,就只剩下一堆了。

达达在合并果子时总共消耗的体力等于每次合并所耗体力之和。

因为还要花大力气把这些果子搬回家,所以达达在合并果子时要尽可能地节省体力。

假定每个果子重量都为 1,并且已知果子的种类数和每种果子的数目,你的任务是设计出合并的次序方案,使达达耗费的体力最少,并输出这个最小的体力耗费值。

例如有 3 种果子,数目依次为 129。

可以先将 12 堆合并,新堆数目为 3,耗费体力为 3。

接着,将新堆与原先的第三堆合并,又得到新的堆,数目为 12,耗费体力为 12。

所以达达总共耗费体力=3+12=15。

可以证明 15 为最小的体力耗费值。

/*输入格式*/
    
输入包括两行,第一行是一个整数 n,表示果子的种类数。

第二行包含 n 个整数,用空格分隔,第 i 个整数 ai 是第 i 种果子的数目。

/*输出格式*/
    
输出包括一行,这一行只包含一个整数,也就是最小的体力耗费值。

输入数据保证这个值小于 231/*数据范围*/
    
1 ≤ n ≤ 10000,
1 ≤ ai ≤ 20000

/*输入样例*/
    
3 
1 2 9 

/*输出样例*/

15

我们采用贪心的思想来进行分析:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*贪心思想*/

我们在当前情况以最优解的形式给出结果
    
/*题目分析*/
    
我们仅针对当前情况进行分析,如果我们想要得到当前情况的体力耗费最小值
    
那么我们只需要找到该果子中最小的两堆,进行合并即可

我们直接给出求解代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import java.util.*;
public class Main{
    public static void main(String[] args){
        
        Scanner scanner = new Scanner(System.in);
        
        int N = 10010;
        
        int n = scanner.nextInt();
        
        // 我们这里直接采用一个优先队列来存储,直接将其变为从小到大排列的方式
        Queue<Integer> minheap = new PriorityQueue<>();
        
        // 输入数据
        for(int i = 0 ; i < n ; i ++ ){
            int x = scanner.nextInt();
            minheap.add(x);
        }
        
        // 这是我们的最后返回结果
        int res = 0;
        
        // 我们循环n次,就相当于将n堆果子合并n次
        for(int i = 0 ; i < n ; i ++ ){
            // 这里需要判断大小,当大小大于1时,我们再合并,因为当大小为1时就是结果了
            if(minheap.size() > 1){ 
                // 将最小的数取出来后弹出
                int a = minheap.poll(); 
                //将第二小的数取出来后弹出
                int b = minheap.poll(); 
                // 将每一次两堆最小值相加之后的加过累加
                res += a + b;   
                //然后将他放入到堆中
                minheap.add(a + b);
            }
        }
        
        // 最后输出结果即可
        System.out.println(res);
    }
}

排序不等式

我们直接给出对应题型:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*题目名称*/

排队打水
    
/*题目介绍*/
    
有 n 个人排队到 1 个水龙头处打水,第 i 个人装满水桶所需的时间是 ti,请问如何安排他们的打水顺序才能使所有人的等待时间之和最小?

/*输入格式*/
    
第一行包含整数 n。
    
第二行包含 n 个整数,其中第 i 个整数表示第 i 个人装满水桶所花费的时间 ti。

/*输出格式*/
    
输出一个整数,表示最小的等待时间之和。

/*数据范围*/
    
1 ≤ n ≤ 105,
1 ≤ ti ≤ 104

/*输入样例*/
    
7
3 6 1 4 2 5 7

/*输出样例*/

56

我们采用贪心的思想来进行分析:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*贪心思想*/

我们在当前情况以最优解的形式给出结果
    
/*题目分析*/
    
我们仅针对当前情况进行分析,如果我们想要得到当前状况后续等待时间最少
    
那么我们只需要找到耗时最少的人,那么后面的人等待时间就是最少的

我们直接给出求解代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import java.util.*;

public class Main {
    public static void main(String[] agrs){
        
        Scanner scan = new Scanner(System.in);
        
        int N = 100010;
        int[] w = new int[N];
        
        int n = scan.nextInt();
        
        // 赋值
        for(int i = 0 ; i < n ; i ++ ){
            w[i] = scan.nextInt();
        }
        
        // 从小到大排序,后面直接遍历即可
        Arrays.sort(w,0,n);

        // 返回值(最小等待时间)
        long res = 0;
        
        // 开始遍历
        for(int i = 0 ; i < n ; i ++ ){
            // 我们直接计算该时间段后面的人所需要等待的总时间(n-1-i是指当前排队人数,w[i]是当前耗费时间,+=即可统计)
            res += w[i] * (n - i - 1);
        }

        System.out.println(res);
    }
}

绝对值不等式

我们直接给出对应题型:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*题目名称*/

货仓选址
    
/*题目介绍*/
    
在一条数轴上有 N 家商店,它们的坐标分别为 A1AN。

现在需要在数轴上建立一家货仓,每天清晨,从货仓到每家商店都要运送一车商品。

为了提高效率,求把货仓建在何处,可以使得货仓到每家商店的距离之和最小。

/*输入格式*/
    
第一行输入整数 N。
    
第二行 N 个整数 A1AN/*输出格式*/
    
输出一个整数,表示距离之和的最小值。

/*数据范围*/
    
1N100000,
0 ≤ Ai ≤ 40000

/*输入样例*/
    
4
6 2 9 1

/*输出样例*/

12

我们采用贪心的思想来进行分析:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*贪心思想*/

我们在当前情况以最优解的形式给出结果
    
/*题目分析*/
    
我们仅针对当前情况进行分析
    
我们如果只有两家商家,那么只要在他俩之间的点都可以保证两者到货舱距离和的最小值
    
但是当出现三家商家时,我们首先无法使用前面的思想了
    
这时我们会发现如果货舱在两边的商家中间时,两边商家到该货舱的距离为最小且不改变,这时我们只需要保证货舱到中间的商家距离最小即可
    
那么该货舱的位置肯定就是中间的商家位置了
    
那么我们就直接拟设一个点,设为最中间商家的点并尝试获得答案(贪心就是不断猜测并验证的过程)

我们直接给出求解代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import java.util.*;
public class Main{
    public static void main(String[] agrs){
        
        Scanner scan = new Scanner(System.in);
        
        int N = 100010;
        int[] a = new int[N];
        
        int n = scan.nextInt();
        
        // 赋值
        for(int i = 0 ; i < n ; i ++ ){
            a[i] = scan.nextInt();
        }
        
        
        // 从小到大排序
        Arrays.sort(a,0,n);
        
        // 返回值
        int sum = 0;
        
        // 遍历
        for(int i = 0 ; i < n ; i ++ ){
            // 我们用当前点来减去中间点获得当前距离,并不断累加即可
            sum += Math.abs(a[i] - a[n / 2]); 
        }
        System.out.println(sum);
    }
}

推公式

我们直接给出对应题型:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*题目名称*/

耍杂技的牛
    
/*题目介绍*/
    
农民约翰的 N 头奶牛(编号为 1..N)计划逃跑并加入马戏团,为此它们决定练习表演杂技。

奶牛们不是非常有创意,只提出了一个杂技表演:

叠罗汉,表演时,奶牛们站在彼此的身上,形成一个高高的垂直堆叠。

奶牛们正在试图找到自己在这个堆叠中应该所处的位置顺序。

这 N 头奶牛中的每一头都有着自己的重量 Wi 以及自己的强壮程度 Si。

一头牛支撑不住的可能性取决于它头上所有牛的总重量(不包括它自己)减去它的身体强壮程度的值,现在称该数值为风险值,风险值越大,这只牛撑不住的可能性越高。

您的任务是确定奶牛的排序,使得所有奶牛的风险值中的最大值尽可能的小。

/*输入格式*/
    
第一行输入整数 N,表示奶牛数量。

接下来 N 行,每行输入两个整数,表示牛的重量和强壮程度,第 i 行表示第 i 头牛的重量 Wi 以及它的强壮程度 Si。

/*输出格式*/
    
输出一个整数,表示最大风险值的最小可能值。

/*数据范围*/
    
1N50000,
1 ≤ Wi ≤ 10,000,
1 ≤ Si ≤ 1,000,000,000

/*输入样例*/
    
3
10 3
2 5
3 3

/*输出样例*/

2

我们采用贪心的思想来进行分析:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
/*贪心思想*/

我们在当前情况以最优解的形式给出结果
    
/*题目分析*/
    
我们如果直接按数值排序,因为存在两个数值,我们是无法找到规律的
    
但是我们可以进行推算:(危险系数设计为a[i])
    
我们最开始按照顺序进行排列,那么他们的危险系数为:
	a[i]   = w[1]+w[2]+...+w[i-1]-s[i]
	a[i+1] = w[1]+w[2]+...+w[i]-s[i+1]
    
我们采用贪心算法,我们如果每次将第i头牛和第i+1头牛进行位置转换,那么是否可以缩减危险系数:
	a[i]   = w[1]+w[2]+...+w[i-1]+w[i+1]-s[i]
    a[i+1] = w[1]+w[2]+...+w[i-1]-s[i+1]
    
我们如果抛出掉多余元素:
	a[i]  交换前:-s[i]
    a[i+1]交换前:w[i]-s[i+1]
    
    a[i]  交换后:w[i+1]-s[i]
    a[i+1]交换后:-s[i+1]
    
我们只需要比较MAX即可,同时由于w[i],s[i]均大于0,我们可以进行推算(推算步骤这里不演示了):
    - 当s[i]+w[i] > s[i+1]+w[i+1]时,进行交换,我们的危险系数可以下降或者不变
    
那么我们只需要将牛按照s[i]+w[i]的数值进行排序,并最后计算出对应值危险系数值即可

我们直接给出求解代码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import java.util.*;

public class Main{
    
    static int N = 50010;
    
    static PII[] p = new PII[N];
    static int[] s = new int[N];
    
    public static void main(String[] args){
        
        Scanner scan = new Scanner(System.in);
        
        int n = scan.nextInt();
        
        for(int i = 0 ; i < n ; i ++ ){
            int w = scan.nextInt();
            int s = scan.nextInt();
            
            // 存入(体重+强壮值,体重)
            p[i] = new PII(w + s,w); 
        }

        // 按照体重+强壮值排序
        Arrays.sort(p,0,n);

        // 首先设置返回结果,将其设为负无穷以便于替换
       int res = (int) -1e9;
        
        // 这里设置重量,我们会从上往下计算,因此每次加上一个重量
       int sum = 0;
        
        // 开始遍历
       for(int i = 0 ; i < n ; i ++ ){
           int w = p[i].y; // 体重
           int s = p[i].x - w; // 强壮值
           res = Math.max(res,sum - s); // 减去的是最下面的一个人的强壮值
           sum += w; // 叠罗汉上去一个人就得叠加重量
       }
        
        // 最后返回结果
       System.out.println(res);
    }
}

// 模拟牛,主要是为了更换CompareTo比较条件
class PII implements Comparable<PII>{
    
    int x,y;
    
    public PII(int x,int y){
        this.x = x;
        this.y = y;
    }
    
    // 注意传参, 我们这里的x是指体重+强壮值,还因为我们需要从上往下计算,所以我们以体重+强壮值从小到大排序
    public int compareTo(PII o){
        return Integer.compare(x,o.x);
    }
}

结束语

好的,关于贪心算法篇的经典题型就介绍到这里,希望能为你带来帮助~

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-11-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
贪心算法例题
        贪心算法(greedy algorithm ,又称贪婪算法)是指在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,算法得到的是在某种意义上的局部最优解 。贪心算法不是对所有问题都能得到整体最优解,关键是贪心策略的选择 。
周小末天天开心
2023/10/16
2420
贪心算法例题
贪心算法及几个经典例子c语言_贪心算法一定是最优解吗
所谓贪心算法是指,在对问题求解时,总是做出在 当前看来是最好的选择 。也就是说,不从整体最优上加以考虑,他所做出的仅是在某种意义上的 局部最优解 。
全栈程序员站长
2022/11/19
1.1K0
合并果子(优先级队列)
假定每个果子重量都为 1,并且已知果子的种类数和每种果子的数目,你的任务是设计出合并的次序方案,使达达耗费的体力最少,并输出这个最小的体力耗费值。
GeekLiHua
2025/01/21
550
《算法竞赛进阶指南》0x17 二叉堆
根据 完全二叉树 的性质,一般堆的存储都采用层次序列存储方式,直接用数组来保存二叉堆
一只野生彩色铅笔
2022/10/31
4340
“365算法每日学计划”:03打卡-贪心算法
自从开始做公众号开始,就一直在思考,怎么把算法的训练做好,因为思海同学在算法这方面的掌握确实还不够。因此,我现在想做一个“365算法每日学计划”。
好好学java
2018/06/16
7830
“365算法每日学计划”:03打卡-贪心算法
《算法竞赛进阶指南》0x08 总结与练习
任何问题都有其涉及的范围,称之为问题的“状态空间”,求解一个问题,就是在这个状态空间里的遍历与映射
一只野生彩色铅笔
2022/10/31
7970
《算法竞赛进阶指南》0x08 总结与练习
区间选点
贪心算法篇——区间问题 本次我们介绍贪心算法篇的区间问题,我们会从下面几个角度来介绍: 区间选点 区间分组 区间覆盖 区间选点 我们首先来介绍第一道题目: /*题目名称*/ 区间选点 /*题目介绍*/ 给定 N 个闭区间 [ai,bi],请你在数轴上选择尽量少的点,使得每个区间内至少包含一个选出的点。 输出选择的点的最小数量。 位于区间端点上的点也算作区间内。 /*输入格式*/ 第一行包含整数 N,表示区间数。 接下来 N 行,每行包含两个整数 ai,bi,表示一个区间的两个端点。
秋落雨微凉
2022/12/02
9110
《算法竞赛进阶指南》0x07 贪心
贪心类问题无疑是基础算法中难度最大的,难点在于思维的跳跃性,没有固定的解题模式,往往是一类题一种解法或结论
一只野生彩色铅笔
2022/10/31
8350
【算法】之贪心算法
14天阅读挑战赛 努力是为了不平庸~ 算法学习有些时候是枯燥的,这一次,让我们先人一步,趣学算法!欢迎记录下你的那些努力时刻(算法学习知识点/算法题解/遇到的算法bug/等等),在分享的同时加深对于算法的理解,同时吸收他人的奇思妙想,一起见证技术er的成长~
天寒雨落
2022/11/20
5950
【算法】之贪心算法
详解贪心算法
贪心算法是一种在求解最优化问题时采取的一种常用算法策略。贪心算法的基本思想是,每次选择当前情况下的局部最优解,并相信这个局部最优解能够导致全局最优解。贪心算法通过迭代的方式一步步地构建最优解,并不进行回溯。
摆烂小白敲代码
2024/09/23
1850
详解贪心算法
贪心算法思想与练习
给定一个长度为 N 的数组,数组中的第 i 个数字表示一个给定股票在第 i 天的价格。
timerring
2023/03/24
6180
贪心算法思想与练习
动态规划篇——DP问题
动态规划篇——DP问题 本次我们介绍动态规划篇的DP问题,我们会从下面几个角度来介绍: 区间DP 计数DP 树状DP 记忆化搜索 区间DP 我们通过一个案例来讲解区间DP: /*题目展示*/ 题目名:石子合并 设有 N 堆石子排成一排,其编号为 1,2,3,…,N。 每堆石子有一定的质量,可以用一个整数来描述,现在要将这 N 堆石子合并成为一堆。 每次只能合并相邻的两堆,合并的代价为这两堆石子的质量之和,合并后与这两堆石子相邻的石子将和新堆相邻,合并时由于选择的顺序不同,合并的总代价也不相同。
秋落雨微凉
2022/12/02
4890
ACM之贪心算法
所谓贪心算法是指,在对问题求解时,总是做出在当前看来是最优解。也就是说,不 从整体最优上加以考虑,它所做出的仅仅是在某种意义上的局部最优解。 贪心算法没有固定的算法框架,算法设计的关键是贪心策略的选择。必须注意的是, 贪心算法不是对所有问题都能得到整体最优解,选择的贪心策略必须具备无后效性 (即某个状态以后的过程不会影响以前的状态,只与当前状态有关。) 所以,对所采用的贪心策略一定要仔细分析其是否满足无后效性。
Tanger
2021/06/16
7641
经典算法之动态规划
动态规划(dynamic programming)是运筹学的一个分支,是求解决策过程(decision process)最优化的数学方法。在面试笔试中动态规划也是经常作为考题出现,其中较为简单的DP题目我们应该有百分之百的把握顺利解决才可以。
用户3467126
2019/11/26
5460
【算法/题目训练】:贪心练习
🔥 之前在这篇文章里 【算法/训练】:贪心(算法理论学习及实践) 讲了贪心的知识,以及对于其的练习,这里的话我们就纯练习题目了,也是对之前的文章的补充,以后有关于贪心算法的题目也基本会放到这篇博客里面的
IsLand1314
2025/02/12
760
【算法/题目训练】:贪心练习
【蓝桥杯2022省赛】备赛蓝桥杯经典动态规划。背包问题、背包与魔法、李白打酒加强版
给你一个可装载重量为 W 的背包和 N 个物品,每个物品有重量和价值两个属性。其中第 i 个物品的重量为 w[i],价值为 v[i],现在让你用这个背包装物品,最多能装的价值是多少?
小小程序员
2023/02/08
4950
算法系列之贪心算法
在算法中,贪心算法(Greedy Algorithm)是一种常见的解决优化问题的算法。贪心算法的核心思想是:在每一步选择中都采取当前状态下最优的选择,即贪心的做出局部最优的决策,从而希望最终能够得到全局最优解。尽管贪心算法并不总是能够得到全局最优解,但在许多实际问题中,它能够提供足够好的解决方案,并且具有较高的计算效率。
修己xj
2025/03/12
1040
算法系列之贪心算法
如何通过贪心算法实现最优装载问题的高效解决
开始之前推荐一篇实用的文章:《对象池 GenericObjectPool 配置参数详解》,作者:【huazie】。
Lion Long
2024/11/25
1710
如何通过贪心算法实现最优装载问题的高效解决
疯子的算法总结(四)贪心算法
解决最优化问题的算法一般包含一系列的步骤,每一步都有若干的选择。对于很多最优化问题,只需要采用简单的贪心算法就可以解决,而不需要采用动态规划方法。贪心算法使所做的局部选择看起来都是当前最佳的,通过局部的最优化选择来产生全局最优解。本文将介绍贪心算法的理论基础和一些简单应用。在求最优解问题的过程中,依据某种贪心标准,从问题的初始状态出发,直接去求每一步的最优解,通过若干次的贪心选择,最终得出整个问题的最优解,这种求解方法就是贪心算法。
风骨散人Chiam
2020/10/28
7820
疯子的算法总结(四)贪心算法
贪心算法总结贪心算法基本思路算法实现实例分析参考
贪心算法 贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。 贪心算法不是对所有问题都能得到整体最优解,关键是贪心策略的选择,选择的贪心策略必须具备无后效性,即某个状态以前的过程不会影响以后的状态,只与当前状态有关。 基本思路 建立数学模型来描述问题; 把求解的问题分成若干个子问题; 对每一子问题求解,得到子问题的局部最优解; 把子问题的解局部最优解合成原来解问题的一个解。 算法实现 从问题的某个初始解出发
致Great
2018/04/11
11.9K0
贪心算法总结贪心算法基本思路算法实现实例分析参考
相关推荐
贪心算法例题
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文