一文了解贪心算法和回溯算法在前端中的应用
Posted 星期一研究室
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一文了解贪心算法和回溯算法在前端中的应用相关的知识,希望对你有一定的参考价值。
一文了解贪心算法和回溯算法在前端中的应用
在我们日常的生活中,经常会碰到贪心算法和回溯算法的应用场景。比如,贪心算法常应用于最少硬币找零问题,分数背包等问题。而回溯算法常用于迷宫求解、N皇后等问题。这两种各有各的优点,也各有各的不足。
在下面的这篇文章中,将讲解贪心算法和回溯算法的常见应用场景,以及分析高频 leetcode
算法题。
一起来学习⑧📖
一、贪心算法
1、贪心算法是什么?
- 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,从而达到全局的最优。
- 结果不一定最优。
2、应用场景
- 最少硬币找零问题
- 分数背包问题
- ……
3、场景剖析:零钱兑换
先用一张图来描述输入输出结果。
从上图中可以看到,如果用贪心算法解决零钱兑换问题的话,它会先从最大面额的硬币开始,拿尽可能多的这种硬币找零。当无法再拿更多这种价值的硬币时,开始拿第二大价值的硬币,依次继续。
大家可以发现,如果是第一种情况,确实可以达到理论最优。但是如果是第二种情况的话,还有一种更优的解法,那就是6 = 3 + 3。所以说,贪心算法并不总是能得到最优答案。
但是呢,虽说不能总是能得到最优答案,那我们为什么还有用它呢?
比起动态规则算法而言,贪心算法更简单、更快。虽然它并不总是能得到最优的答案,但是综合来看,它相对执行时间来说,输出了一个可以接受的解。
二、回溯算法
1、回溯算法是什么?
- 回溯算法是算法设计中的一种方法。
- 回溯算法是一种渐进式寻找并构建问题解决方式的策略。
- 回溯算法会先从一个可能的动作开始解决问题,如果不行,就回溯选择另一个动作,直到将问题解决。
2、什么问题适合选用回溯算法解决?
- 有很多路。
- 这些路里面,有死路,有活路。
- 通常需要递归来模拟所有的路。
2、应用场景
- 迷宫老鼠问题
- 数独解题器
- 骑士巡逻问题
- N皇后问题
- ……
3、场景剖析:全排列
先用一张图来战术输入输出的过程。
从上图中可以看到,全排列 [1, 2, 3] 三个元素,在递归的过程中会有很多种结果,比如说[1, 1, 2],[1, 2, 1], [1, 2, 2]之类的结果。那么,当出现重复元素的时候,就会出现死路,这个时候就应该回退回去并去寻找下一条路活路走出去。这就是回溯算法要解决的问题。
三、贪心算法常见应用
引用leetcode的几道经典题目来强化贪心算法。
1、leetcode 455:分发饼干
(1)题意
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 g[i],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 s[j] 。如果 s[j] >= g[i],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。
输入输出示例:
- 输入: g = [1,2,3], s = [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。
(2)解题思路
- 既能满足孩子,还消耗最少。
- 先将“较小的饼干”分给“胃口较小”的孩子。
(3)解题步骤
- 对饼干数组和胃口数组升序降序。
- 遍历饼干数组,找到能满足第一个孩子的饼干。
- 然后继续遍历饼干数组,找到能满足第二、三、四、……、n个孩子的饼干。
(4)代码实现
/**
* @param {number[]} g 孩子胃口
* @param {number[]} s 饼干尺寸
* @return {number}
*/
let findContentChildren = function(g, s) {
// 实现升序排序
const sortFunc = function(a, b){
return a-b;
}
//对g进行升序排序,即从小到大排序
g.sort(sortFunc);
//对s进行升序排序,即从小到大排序
s.sort(sortFunc);
//定义初始值,记录饼干能满足多少个孩子
let i = 0;
//对排序后的饼干进行一一遍历,并逐一与孩子的胃口比对,如果能满足,则对i进行+1操作
s.forEach(n => {
if(n >= g[i]){
i += 1;
}
});
return i;
};
console.log(findContentChildren([1, 2], [1, 2, 3]));
2、leetcode 122:买卖股票的最佳时机
(1)题意
给定一个数组 prices ,其中 prices[i] 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)。
输入输出示例:
- 输入: prices = [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 。
(2)解题思路
- 前提:上帝视角,知道未来的价格。
- 局部最优:建好就收,见差就不动,不做长远打算。
(3)解题步骤
- 新建一个变量,用来统计总利润。
- 遍历价格数组,如果当前价格比昨天高,就是昨天买,今天卖,否则就不交易。
- 遍历结束后,返回所有利润之和。
(4)代码实现
/**
* @param {number[]} prices
* @return {number}
*/
let maxProfit = function(prices) {
//新建一个变量,用来统计总利润
let profit = 0;
//遍历价格数组
for(let i = 1; i < prices.length; i++){
//如果当前价格prices[i]比昨天prices[i - 1]高,就是昨天买,今天卖;
//否则说明当前天数没买,不进行交易
if(prices[i] > prices[i - 1]){
//遍历过程中,不断对利润进行相加
profit += prices[i] - prices[i-1];
}
}
//遍历结束后,返回所有利润之和
return profit;
};
console.log(maxProfit([7, 5, 4, 7]));
四、回溯算法常见应用
引用leetcode的几道经典题目来强化回溯算法。
1、leetcode 46:全排列
(1)题意
给定一个不含重复数字的数组 nums
,返回其 所有可能的全排列 。你可以 按任意顺序 返回答案。
输入输出示例:
- 输入: nums = [1,2,3]
- 输出: [[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1]]
(2)解题思路
- 要求:①所有排列情况;②没有重复元素。
- 有出路、有死路。
- 考虑回溯算法。
(3)解题步骤
- 用递归模拟出所有情况。
- 遇到包含重复元素的情况,就回溯。
- 收集所有到达递归终点的情况,并返回。
(4)代码实现
/**
* @param {number[]} nums
* @return {number[][]}
*/
let permute = function(nums) {
// 1.定义一个变量,收集所有结果的情况
const res = [];
const backtrack = (path) => {
// 4.递归的重点收集所有满足题目要求的数组
if(path.length === nums.length){
res.push(path);
return;
}
nums.forEach(n => {
// 3.在把元素放进去时该数组已有此元素,那么此路为死路
if(path.includes(n)){
return;
}
backtrack(path.concat(n));
});
};
// 2.递归时传入一个数组
backtrack([]);
return res;
};
console.log(permute([1, 2, 3]));
2、leetcode 78:子集
(1)题意
给你一个整数数组 nums
,数组中的元素 互不相同 。返回该数组所有可能的子集(幂集)。
解集 不能 包含重复的子集。你可以按 任意顺序 返回解集。
输入输出示例:
- 输入: nums = [1,2,3]
- 输出: [[],[1],[2],[1,2],[3],[1,3],[2,3],[1,2,3]]
(2)解题思路
- 要求:①所有子集;②没有重复元素。
- 有出路、有死路。
- 考虑使用回溯算法。
(3)解题步骤
- 用递归模拟出所有情况。
- 保证接的数字都是后面的数字。
- 收集所有到达递归终点的情况,并返回。
(4)代码实现
/**
* @param {number[]} nums
* @return {number[][]}
*/
var subsets = function(nums) {
//1.定义一个变量,存放结果
const res = [];
const backtrack = (path, l, start) => {
// 4.到达路径终点时,push到结果里面
if(path.length === l){
res.push(path);
return;
}
//3.不断遍历数组,并将其添加到path中
for(let i = start; i < nums.length; i++){
backtrack(path.concat(nums[i]), l, i + 1);
}
}
//2.子集的长度有可能是0-nums.length不等
for(let i = 0; i <= nums.length; i++){
// 三个参数分别指:路径,路径数组的长度,起始的下标
backtrack([], i, 0);
}
return res;
};
console.log(subsets([1, 2, 3]));
五、写在最后
贪心算法和回溯算法在前端的面试和笔试中也是非常经典的常考题。贪心算法相较于其他算法来说比较简单,而回溯算法涉及到很多溯回问题,逻辑较强,建议大家在做题目时如果看不懂的情况下可以选择多调试代码,一步一步跟着它的思路,多调试几遍,慢慢就能深入理解其逻辑了。
贪心算法和回溯算法在前端中的应用就讲到这里啦!如有不理解或文章有误欢迎评论区留言或私信我交流~
- 关注公众号 星期一研究室 ,第一时间关注技术干货,更多有趣的专栏待你解锁~
- 如果这篇文章对你有用,记得点个赞加个关注再走哦~
- 我们下期见!🥂🥂🥂
以上是关于一文了解贪心算法和回溯算法在前端中的应用的主要内容,如果未能解决你的问题,请参考以下文章