leetcode-贪心算法_leecode 贪心算法-CSDN博客

本文链接：https://blog.csdn.net/qq_31456593/article/details/105168907

本文深入探讨了贪心算法的基本原理，强调了其在每一步选择中追求局部最优的特点，并通过LeetCode经典题目——最大容器盛水问题，展示了贪心算法的实际应用。同时，对比了贪心算法与动态规划的不同之处，帮助读者理解算法选择的关键。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

leetcode-贪心算法

길 (Song by 아이유, 헨리, 조현아, 양다일)

星空

拓展知识:贪心算法

贪心算法(贪婪算法)是指在对问题进行求解时，在每一步选择中都采取最好或者最优(即最有利)的选择，从而希望能够导致结果是最好或者最优的算法。

要点:

1、在对问题求解时，总是做出在当前看来最好的选择。即贪心算法不从整体最优上加以考虑。

2、贪心算法所作出的是在某种意义上的局部最优解。

贪心算法：
1、贪心算法中，作出的每步贪心决策都无法改变，因为贪心策略是由上一步的最优解推导下一步的最优解，而上一部之前的最优解则不作保留。
2、贪心法正确的前提是：每一步的最优解一定包含上一步的最优解。

动态规划：
1、全局最优解中一定包含某个局部最优解，但不一定包含前一个局部最优解，因此需要记录之前的所有最优解；
2、动态规划的关键是确定“状态转移方程”，即如何通过已经求出的局部最优解推导出全局最优解；
3、边界条件：即最简单的，可以直接得出的局部最优解。

例题:

给定 n 个非负整数 a1，a2，…，an，每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线，垂直线 i 的两个端点分别为 (i, ai) 和 (i, 0)。找出其中的两条线，使得它们与 x 轴共同构成的容器可以容纳最多的水。

**说明：**你不能倾斜容器，且 n 的值至少为 2。

图中垂直线代表输入数组 [1,8,6,2,5,4,8,3,7]。在此情况下，容器能够容纳水（表示为蓝色部分）的最大值为 49。

class Solution(object):
    def maxArea(self, height):
        """
        :type height: List[int]
        :rtype: int
        """
        length = len(height)
        if length < 2:
            return 0
        res = 0

        left = 0
        right = length-1
        while left < right:
            water = (right-left) * min(height[left], height[right])
            res = max(res, water)
            if height[left] < height[right]:
                left += 1
            else:
                right -= 1
        return res