前端算法·专项攻破十：贪心算法贪心算法（英语：greedy algorithm），又称贪婪算法，是一种在每一步选择中都采

概念理解

贪心算法（英语：greedy algorithm），又称贪婪算法，是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是最好或最优的算法。-- 维基百科

贪心算法是算法设计中的一种方法。期盼通过每个阶段的局部最优选择，从而达到全局最优，但是结果并不一定是最优的。常见的反面例子如：零钱兑换问题。

使用场景

二叉树等算法题，解题经常用到贪心算法。

详细可参考以下例题讲解，通过刷以下题集以加深和巩固对于模拟算法的理解。

例题讲解

题目： 分糖果问题

描述

一群孩子做游戏，现在请你根据游戏得分来发糖果，要求如下：

每个孩子不管得分多少，起码分到一个糖果。
任意两个相邻的孩子之间，得分较多的孩子必须拿多一些糖果。(若相同则无此限制) 给定一个数组 arr 代表得分数组，请返回最少需要多少糖果。

要求: 时间复杂度为 O(n)，空间复杂度为 O(n)

示例1

输入：

[1, 1, 2]

返回值：

说明：

最优分配方案为 1, 1, 2

示例2

输入：

[1, 1, 1]

返回值：

说明：

最优分配方案是 1, 1, 1

题解：

/**
 * 解法：贪心
 * 思路：
 *   要想分出最少的糖果，利用贪心思想，肯定是相邻位置没有增加的情况下大家都分到1, 
 *   相邻位置有增加的情况下，分到糖果数加1就好。什么情况下会增加糖果，相邻位置有得
 *   分差异，可能是递增可能是递减，如果是递增的话，糖果依次加1，如果是递减糖果依次减1?
 *   这不符合最小，必须从1开始加才是最小，那我们可以反向加1.
 * 时间复杂度：O(n)，单独遍历两次.
 * 空间复杂度：O(n)。记录每个位置糖果数的辅助数组.
 */
export function candy(arr: number[]): number {
    const len = arr.length
    if (len <= 1) return len
    let nums: number[] = []
    for (let i = 0; i < len; i++) {
        nums[i] = 1
    }
    for (let i = 1; i < len; i++) {
        if (arr[i] > arr[i - 1]) { // 如果右边在递增，每次增加一个
            nums[i] = nums[i - 1] + 1
        }
    }

    let res = nums[len - 1] // 记录总糖果数
    for (let i = len - 2; i >= 0; i--) {
        if (arr[i] > arr[i + 1] && nums[i] <= nums[i + 1]) { // 如果左边更大但是糖果树更小
            nums[i] = nums[i + 1] + 1
        }
        res += nums[i] // 累加和
    }

    return res
}

题集&题解

序号	题目	题解	难度
1	分糖果问题	题解	`medium`
2	主持人调度（二）	题解	`medium`

您的点赞和评论是我持续更新的动力，感谢关注。

前端算法·专项攻破十：贪心算法

概念理解

使用场景

例题讲解

题集&题解

相关文章