贪心算法

烨然若神人~

算法第26天 | 贪心算法、455.分发饼干、376. 摆动序列、 53. 最大子序和想清楚局部最优是什么，如果可以推导出全局最优，那就是正确的贪心算法没太懂，但是不想细想了

贪心算法 Part04和本质上是一样的。LC 452. 用最少数量的箭引爆气球是求n个区间当中，区间的种类数量 k。此处可以理解为，重叠在一起的区间属于同一品种，没有重叠的区间当然就是另一个品种，最少数量的箭，也就是区间总的种类数量k ，有k种区间，最少就得花k只剑，每种区间耗费一支。

袁气满满~_~

LeetCode：贪心算法目录一、分发饼干二、摆动序列三、最大子数组和455. 分发饼干 - 力扣（LeetCode）376. 摆动序列 - 力扣（LeetCode）

贪心算法题目合集2紧接上文贪心算法题目合集-CSDN博客。因为不同的题贪心策略可能完全不同，它们的共同点是做决策时往往只看局部最优。这里按照个人理解划分。

贪心算法理论篇今天继续带大家进行新的篇章贪心算法，什么是贪心，通俗的说就是我要最好的，每次都要最好的，最终得到的结果也是最好的，就是通过局部最优到全局最优。但是如何其实现呢？一文带大家弄懂。本文用于记录自己的学习过程，同时向大家进行分享相关的内容。本文内容参考于代码随想录同时包含了自己的许多学习思考过程，如果有错误的地方欢迎批评指正！

牛客周赛 Round 93题解（个人向A-E）题目链接：https://ac.nowcoder.com/acm/contest/109904签到题，直接按题意模拟即可

第七天——贪心算法——股票买卖问题给定一个整数数组 prices，其中 prices[i] 表示第 i 天的股票价格。你可以在每一天决定买入和/或卖出股票。任何时候你最多只能持有一支股票。但你可以在同一天买入并卖出。计算并返回你能够获得的最大利润。

第九天——贪心算法——非递减数组给定一个长度为 n 的整数数组 nums，判断它是否可以通过最多修改一个元素变成非递减数组。非递减数组的定义：对于所有的 i（0 ≤ i ≤ n-2），满足 nums[i] <= nums[i+1]。

第十天——贪心算法——深度总结文章目录贪心算法深度解析：原理与应用1. 贪心算法的基本原理1.1 贪心选择性质1.2 最优子结构1.3 贪心算法与动态规划的对比

K8S cgroups详解以下是 Kubernetes 中 cgroups（Control Groups）的详细解析，涵盖其核心原理、在 Kubernetes 中的具体应用及实践操作：

第八天——贪心算法——队列重构问题给定一个由人群组成的数组 people，其中每个人以 [hi, ki] 的形式表示，people[i] = [hi, ki] 表示第 i 个人的身高为 hi，并且前面恰好有 ki 个身高大于或等于 hi 的人。

牛客练习赛138(首篇万字题解？？？)赛时成绩如下：1. 小s的签到题小s拿到了一个比赛榜单，他要用最快的速度找到签到题，但是小s脑子还是有点晕，请你帮帮小s，助力他找到签到题。比赛榜单是一个 2 行 n 列的表格：第一行是 n 个大写字母，代表题号；第二行是 n 个字符串，对应每一道题目的通过人数和提交人数，字符串由两个整数构成，整数之间使用字符 ‘/’ 隔开。我们定义，通过人数最多的题目是签到题。请你找到签到题的题号并输出。特别地，如果有多个签到题，输出题号字母表顺序最小的那道。

程序媛小盐

贪心算法：最小生成树A-B:1A-C:3B-C:1B-D:4C-D:1C-E:5D-E:6

Codeforces Round 1024 (Div. 2)(A-D)题面链接：Dashboard - Codeforces Round 1024 (Div. 2) - Codeforces

第四天——贪心算法——种花有一个花坛，其中0 表示该位置是空的，可以种花。1 表示该位置已经有花，不能种花。规则：新种的花不能种在相邻的位置（即如果某个位置已经种了花，它的左右两个相邻位置不能再种花）。给定花坛flowerbed 数组和需要新种的花的数量 n，判断是否可以成功种下 n 朵新花。

贪心算法应用：顶点覆盖问题详解贪心算法是解决顶点覆盖问题的经典方法之一。下面我将从基础概念到高级优化，全面详细地讲解顶点覆盖问题及其贪心算法解决方案。

第三天——贪心算法——区间问题题目描述给定多个区间，计算让这些区间互不重叠所需要移除区间的最少个数。起止相连不算重叠。输入输出样例输入是一个数组，包含多个长度固定为的子数组，表示每个区间的开始和结尾。输出一个整数，表示需要移除的区间数量。

程序猿(雷霆之王)

贪心算法专题（Part1）目录1. 贪心算法简介2. 柠檬水找零3. 将数组和减半的最少操作次数4. 递增的三元子序列5. K次取反后最大化的数组和

算法-贪婪算法可行解：满足条件约束的方案，有多个最优解：满足问题的目标，只有一个，最好的方案优化问题：一个问题需要最小或最大的结果（即需要找到最优解）贪婪算法：用于解决优化问题，分阶段解决

贪心算法应用：最小反馈顶点集问题详解反馈顶点集(Feedback Vertex Set, FVS)是指在一个有向图中，删除该集合中的所有顶点后，图中将不再存在任何有向环。换句话说，反馈顶点集是破坏图中所有环所需删除的顶点集合。