当前位置: 首页 > news >正文

贪心算法专题(二):波动中的智慧——只取极值「摆动序列」

哈喽各位,我是前端小L。

欢迎来到贪心算法专题第二篇! 什么是“摆动”?简单说就是一上一下。比如[1, 7, 4, 9, 2, 5],差值是+6, -3, +5, -7, +3,正负交替,这就是摆动序列。 而[1, 4, 7, 9]单调递增,或者[1, 1, 1]平的,都不是摆动。

我们的任务是:给你一个数组,你可以随意删除里面的元素(也就是求子序列),剩下的元素必须构成一个摆动序列。请问最长能剩多少个?

力扣 376. 摆动序列

https://leetcode.cn/problems/wiggle-subsequence/

题目分析:

  • 输入:整数数组nums

  • 目标:最长摆动子序列的长度。

  • 例子[1, 17, 5, 10, 13, 15, 10, 5, 16, 8]

    • 整个数组显然不是摆动的(比如10, 13, 15连着涨)。

    • 我们可以删掉13,保留10, 15,就变成了...10, 15, 10...(一上一下)。

    • 实际上,我们只需要保留所有的“峰”和“谷”,删掉所有在半山腰上的点。

核心思维:忽略“平坡”,只数“峰谷”

想象把你手里的数组画成一张折线图。

  • 摆动的本质就是折线的拐点

  • 如果连续上升1 -> 2 -> 3 -> 4,这是一条直线上坡。为了构成摆动,我们只需要保留起点1终点4。中间的23都可以删掉,因为它们没有改变趋势。

贪心策略:我们只需要统计数组中**“峰”(Peak)“谷”(Valley)**的数量。

  • :数值先升后降。即preDiff > 0curDiff < 0

  • :数值先降后升。即preDiff < 0curDiff > 0

  • 平坡处理:这是难点!比如1 -> 2 -> 2 -> 2 -> 3。这种平坡应该被视为单调的一部分,不计入摆动,除非平坡之后方向变了。

算法流程

  1. 初始化

    • curDiff:当前数与后一个数的差值。

    • preDiff:前一对数的差值。

    • result:记录峰谷个数。默认序列最少有一个元素(除非空数组),所以初始为 1(默认把最右边的那个端点算上)。

  2. 遍历数组:从0nums.size() - 2(计算nums[i]nums[i+1]的差)。

  3. 判断拐点

    • 如果(preDiff <= 0 && curDiff > 0)—— 出现

    • 或者(preDiff >= 0 && curDiff < 0)—— 出现

    • 注意:这里的=是为了处理由平坡变成上下坡的情况(如1-1-2,中间的1算谷底)。

  4. 更新状态

    • result++

    • preDiff = curDiff关键点:只有在出现摆动变化的时候,才更新preDiff。这样可以自动过滤掉单调区间内的平坡。

代码实现 (C++)

C++

#include <vector> using namespace std; class Solution { public: int wiggleMaxLength(vector<int>& nums) { if (nums.size() <= 1) return nums.size(); int curDiff = 0; // 当前一对元素的差值 int preDiff = 0; // 前一对元素的差值 int result = 1; // 记录峰值个数,默认最后一个元素算一个峰值 for (int i = 0; i < nums.size() - 1; i++) { curDiff = nums[i + 1] - nums[i]; // 出现峰或谷 // preDiff <= 0 && curDiff > 0 : 之前是平或降,现在升了(谷) // preDiff >= 0 && curDiff < 0 : 之前是平或升,现在降了(峰) if ((preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)) { result++; // 关键细节:只在摆动变化的时候更新 preDiff // 这样能处理单调区间中有平坡的情况,如 1->2->2->2->3 // preDiff 会一直保持为正,直到遇到下降 preDiff = curDiff; } } return result; } };

深度复杂度分析

  • 时间复杂度:O(N)

    • 我们只需要遍历一次数组。

  • 空间复杂度:O(1)

    • 只需要几个变量记录差值和结果。

    • 相比之下,动态规划解法通常需要两个数组up[N]down[N],空间复杂度为O(N)(虽然可以优化到 O(1),但逻辑比贪心复杂)。

总结:贪心的“视觉化”

今天这道题,如果只看数字,很容易被“平坡”、“删除元素”绕晕。 但如果把它想象成**“山脉图”**,贪心策略就显而易见了:我们只想要山顶和谷底,山腰上的石头全扔掉!

这就是贪心算法的魅力——通过忽略中间过程(单调区间),直接抓住关键变化(转折点)

下一题预告: 如果我们在一个数组中寻找**“和最大”的连续子数组**(最大子序和),贪心算法该如何操作? 策略很简单:如果当前的累加和变成了负数,它对未来不仅没有贡献,还是个累赘,那我们就果断抛弃它,从头开始算!

下期见!

http://www.cnnetsun.cn/news/140154.html

相关文章:

  • 基于单片机的智能灯光控制系统设计
  • 贪心算法专题(三):负重前行,不如从头再来——「最大子序和」
  • STL容器——String容器
  • Mal-PEG4-NHS ester,化学特性及其在蛋白质修饰与生物分子功能化研究中的应用
  • 详细分析一下 国富论里里面 十一章 论 地租
  • 现在 夸脱小麦 多少 盎司白银
  • Java Web html 图书管理系统系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】
  • 半光滑牛顿法非线性优化带35个测试函数 半光滑牛顿法求解非线性目标函数约束优化问题的MATLA...
  • C 标准库 - `<math.h>`
  • 【AUTOSAR AP CorAUTOSAR AP 错误处理与返回值规范:ErrorCode / ErrorDomain / Result / Exception / Violation 的工程化选型
  • 舔狗的情绪价值和演员的自我修养
  • 30、编程与脚本编写指南
  • 33、Shell脚本中的控制操作符与交互式输入技巧
  • vue和springboot框架开发的协同过滤算法的电影推荐系统 电影评价管理系统_ 影评解说系统z9p6gctw
  • vscode 连接失败
  • 【Linux系统】初探虚拟地址空间
  • vue和springboot框架开发的小程序 健身服务与轻食间平台系统健身减肥系统_xj840td0
  • vue和springboot框架开发的小程序儿童疫苗接种预约医疗提醒系统_5dq9226p
  • 【记录】Rust|Rust开发相关的7个VSCode插件的介绍和推荐指数(2025年)
  • C++小程序编写系列(2)
  • python-flask-django公司企业员工出差报销管理系统_04446nsn
  • Glyph2D 同一个图形根据点云的输入产生不同位置的输出
  • Lombok 注解:简化 Java 代码
  • 别让大数据“全表扫描”掏空你:数据分区策略与分区裁剪的实战心经
  • (转载)真正的缘分,“推背感”都跟强
  • Hadoop生态下的数据预处理:MapReduce实战案例解析
  • 2025 年 CTF 零基础入门全攻略!新手必藏!这种实战网络对抗机会千万别错过!
  • 新手也能轻松建站!VanBlog+cpolar让博客创作和分享更简单
  • vue导出excel文件
  • 基于STM32的自动售货机控制系统设计