【必备算法】贪心算法:LeetCode 860. 柠檬水找零,122. 买卖股票的最佳时机 II,455. 分发饼干,55. 跳跃游戏

252 阅读5分钟

860. 柠檬水找零¹

在柠檬水摊上,每一杯柠檬水的售价为 5 美元。

顾客排队购买你的产品,(按账单 bills 支付的顺序)一次购买一杯。

每位顾客只买一杯柠檬水,然后向你付 5 美元、10 美元或 20 美元。你必须给每个顾客正确找零,也就是说净交易是每位顾客向你支付 5 美元。

注意,一开始你手头没有任何零钱。

如果你能给每位顾客正确找零,返回 true ,否则返回 false

示例 1:

输入:[5,5,5,10,20]
输出:true
解释:
前 3 位顾客那里,我们按顺序收取 35 美元的钞票。
第 4 位顾客那里,我们收取一张 10 美元的钞票,并返还 5 美元。
第 5 位顾客那里,我们找还一张 10 美元的钞票和一张 5 美元的钞票。
由于所有客户都得到了正确的找零,所以我们输出 true

示例 2:

输入:[5,5,10]
输出:true

示例 3:

输入:[10,10]
输出:false

示例 4:

输入:[5,5,10,10,20]
输出:false
解释:
前 2 位顾客那里,我们按顺序收取 25 美元的钞票。
对于接下来的 2 位顾客,我们收取一张 10 美元的钞票,然后返还 5 美元。
对于最后一位顾客,我们无法退回 15 美元,因为我们现在只有两张 10 美元的钞票。
由于不是每位顾客都得到了正确的找零,所以答案是 false

解法:贪心

  • 思路:无非就是三种面值硬币,每种的处理策略都可以确定
    • 5: five++,不考虑找零
    • 10:ten++,还需要找零5
    • 20:需要找零15 --> 有10先找零10,没有了再找5 (贪心)
  • 复杂度
    • Time:O(n),需要遍历一遍所有硬币
    • Space:O(1),无额外空间
public boolean lemonadeChange(int[] bills) {
        int five = 0, ten = 0; // 记录5元硬币,10元硬币个数
        for (int bill: bills) {
            if (bill == 5) 
                five++;
            else if (bill == 10) {
                if (five == 0) return false;
                five--;
                ten++;
            } else {
                if (five > 0 && ten > 0) {
                    five--;
                    ten--;
                } else if (five >= 3) {
                    five -= 3;
                } else {
                    return false;
                }
            }
        }

        return true;
}

122. 买卖股票的最佳时机 II¹

给定一个数组,它的第 i 个元素是一支给定股票第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(多次买卖一支股票)。

注意:你不能同时参与多笔交易(你必须在再次购买前出售掉之前的股票)。

示例 1:

输入: [7,1,5,3,6,4]
输出: 7
解释: 在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6-3 = 3

示例 2:

输入: [1,2,3,4,5]
输出: 4
解释: 在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。
     注意你不能在第 1 天和第 2 天接连购买股票,之后再将它们卖出。
     因为这样属于同时参与了多笔交易,你必须在再次购买前出售掉之前的股票。

示例 3:

输入: [7,6,4,3,1]
输出: 0
解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。

提示:

  • 1 <= prices.length <= 3 * 10 ^ 4
  • 0 <= prices[i] <= 10 ^ 4

解法:贪心

  • 思路:如果后一天比前一天价格高就卖 --> 贪心
  • 复杂度
    • Time:O(n)
    • Space:O(1)
public int maxProfit(int[] prices) {
        if (prices == null || prices.length == 0) return 0;
        
        int profit = 0;
        for (int i = 0; i < prices.length - 1; i++)
        	// if (prices[i] < prices[i+1]) profit += (prices[i+1] - prices[i]);
            profit =  prices[i] < prices[i+1] ? profit += (prices[i+1] - prices[i]) : profit;
            
        return profit;
    }

455. 分发饼干¹

假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。对每个孩子 i ,都有一个胃口值 gi ,这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j ,都有一个尺寸 sj 。如果 sj >= gi ,我们可以将这个饼干 j 分配给孩子 i ,这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子,并输出这个最大数值。

注意:

你可以假设胃口值为正。 一个小朋友最多只能拥有一块饼干。

示例 1:

输入: [1,2,3], [1,1]

输出: 1

解释: 
你有三个孩子和两块小饼干,3个孩子的胃口值分别是:1,2,3。
虽然你有两块小饼干,由于他们的尺寸都是1,你只能让胃口值是1的孩子满足。
所以你应该输出1。

示例 2:

输入: [1,2], [1,2,3]

输出: 2

解释: 
你有两个孩子和三块小饼干,2个孩子的胃口值分别是1,2。
你拥有的饼干数量和尺寸都足以让所有孩子满足。
所以你应该输出2.

解法:贪心

  • 思路:先满足需求小的娃 --> 贪心
  • 复杂度
    • Time:O(n)
    • Space:O(1)
 public int findContentChildren(int[] g, int[] s) {
 		// 因为后面要匹配,所以排序是必须的
        Arrays.sort(g);
        Arrays.sort(s);
        
        int count = 0;
        // 用饼干去匹配孩子,i负责遍历饼干,count负责遍历孩子
        for (int i = 0; i < s.length && count < g.length; i++) {
            // 只有小孩被当前饼干匹配上了,才将count++
            if (s[i] >= g[count]) count++;
        }
        
        return count;
    }

55. 跳跃游戏²

给定一个非负整数数组,你最初位于数组的第一个位置。

数组中的每个元素代表你在该位置可以跳跃的最大长度。

判断你是否能够到达最后一个位置。

示例 1:

输入: [2,3,1,1,4]
输出: true
解释: 我们可以先跳 1 步,从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。

示例 2:

输入: [3,2,1,0,4]
输出: false
解释: 无论怎样,你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 , 所以你永远不可能到达最后一个位置。

解法:贪心

  • 思路:
    • 每次都走最大(贪心)
    • 能不能走到的根本原因就是 0 能不能跳过去 --> 若跳不过去就会出现 i > maxIdx
  • 复杂度
    • Time:O(n)
    • Space:O(1)
public boolean canJump(int[] nums) {
        int maxIdx = 0; // 记录能到达的最远位置
        for (int i = 0; i < nums.length; i++) {
        	// 在此之前的所有位置能到达的最远位置 < 当前位置
            if (maxIdx < i) return  false;
            // 更新能达到的最远位置
            maxIdx = Math.max(maxIdx, i + nums[i]);
        }
        return true;
}