小U拥有一个由0和1组成的字符串，她可以进行最多k次操作，每次操作可以交换相邻的两个字符。目标是通过这些操作，使得最终得到的字符串字典序最小。
例如，小U当前有一个字符串 01010，她最多可以进行 2 次相邻字符交换操作。通过这些操作，她可以将字符串调整为 00101，这是可以通过不超过2次操作得到的字典序最小的字符串。
现在，小U想知道，经过最多k次操作后，能够得到的字典序最小的字符串是什么。
解题思路
-
目标是字典序最小：为了得到字典序最小的字符串，我们的目标是将字符串中的
0尽量向前移动，将1尽量向后移动。 -
交换操作：每次操作可以交换相邻的两个字符。由于每次只能交换相邻的字符，因此如果我们要将某个
0移动到前面，就需要交换它与前面字符的位置。问题是，我们最多只有k次操作。因此，我们需要优先进行最有效的操作，确保0能够尽可能靠前。 -
策略：
- 从字符串的左端开始，遍历每个字符。
- 当遇到一个
0时，尝试将它往前交换，直到最多k次操作用尽。 - 每次操作都会将一个
0向前移动，使得它靠近当前可交换位置。
-
贪心策略：对于每个位置，从当前位置开始，尽量选择一个最小的
0，将其交换到当前位置。如果剩余的操作次数足够，继续这个过程直到遍历完字符串。
贪心算法
贪心算法（Greedy Algorithm）是一种在每一步选择中都采取当前状态下最优的选择，以期望最终得到全局最优解的算法策略。贪心算法的核心思想是 局部最优，即在每个阶段选择当前看来最好的选择，而不考虑全局的最优解。贪心算法通常适用于那些具有“贪心选择性质”和“最优子结构”的问题。
- 贪心算法的基本思路
- 分阶段决策：问题被分解为多个子问题。在每个子问题中，根据当前状态选择一个局部最优解。
- 贪心选择：在每一步中，选择当前最优的选项（即最有利的选择）。这种选择是局部最优的，但不一定是全局最优的。
- 选择不可更改：一旦做出选择，就不能回溯或者修改之前做的决策。
- 证明最优性：需要证明贪心算法的局部最优选择能够带来全局最优解。
- 贪心算法的应用条件
并不是所有问题都能使用贪心算法解决。贪心算法有效的关键是 贪心选择性质 和 最优子结构：
- 贪心选择性质：通过局部最优的选择能推导出全局最优解。
- 最优子结构：问题的最优解包含其子问题的最优解。也就是说，通过最优子问题的解来构建全局最优解。
代码实现
s = list(s) # 将字符串转换为列表，方便修改字符
for i in range(n):
# 如果还可以操作，且当前s[i]是'1'并且后面有0，我们尝试将它换到更前的位置
if k <= 0:
break
if s[i] == '1':
# 从i+1位置开始查找能与当前位置交换的0
for j in range(i + 1, n):
if s[j] == '0':
# 计算需要的交换次数
swaps_needed = j - i
if swaps_needed <= k:
# 执行交换
s[i], s[j] = s[j], s[i]
k -= swaps_needed
break
return ''.join(s) # 将列表转换回字符串
