第四章作业

一、贪心策略

策略描述

数字的高位权重远大于低位,想要整体数字最小,优先把高位尽可能变小。
贪心选择规则:

  1. 从左向右遍历数字串,找到第一个位置 p,满足 (s[p] > s[p+1]),删除 (s[p]);
  2. 每删除一次,k 减一,然后从头重新扫描字符串,重复上面操作;
  3. 如果一趟扫描下来,没有找到任何 (s[p]>s[p+1]),说明当前字符串已经是非递减序列,后面数字只会越来越大,直接截掉末尾剩余 k 个字符;
  4. 最后清除前导零;如果清空后是空串,输出 0。

核心一句话:每次优先删除第一个下降的高位数字。

为什么这个选择是局部最优?
同样删一个数字,修改高位带来的影响远大于低位。第一个下降点,是我们能找到的、代价最小的 “把高位压低” 的机会。


二、反证法(假设替换法)证明贪心选择性质

贪心选择性质定义:存在一个全局最优解,包含我们这一步做出的贪心选择。
证明思路:假设最优解没有选择我们的贪心操作,把最优解里的删数方案替换成我们的贪心选择,证明替换之后的结果不会更差,推出矛盾。

设原字符串 (S = s_0s_1s_2\dots s_{n-1})。
p 是第一个满足 (s_p>s_{p+1}) 的下标。
由 p 的定义可知:(s_0 \le s_1 \le s_2 \le \dots \le s_{p-1})。

反证假设:所有全局最优解都没有删除 (s_p)。
也就是任意一个最优方案,本次删除的下标 (q \neq p)。分两种情况讨论:

  1. 情况 1:(q < p)
    因为 (0 \sim p-1) 是非递增不成立,满足 (s_0\le s_1\le \dots \le s_{p-1}),所以 (s_q \le s_{q+1})。
    在这一段里删掉 (s_q),高位并不能变小,反而会把后面更大的数字前移。
    对比【删除 (s_p)】:前 (p-1) 位完全不变,第 p 位直接换成更小的 (s_{p+1})。
    因此删 (s_q) 得到的数一定大于等于删 (s_p) 的数,和 “该方案是最优解” 矛盾。
  2. 情况 2:(q > p)
    最优方案保留了 (s_p),删掉后面某个 (s_q(q>p))。
    此时最优解的第 p 位仍然是 (s_p);
    而贪心方案删掉 (s_p),第 p 位变成 (s_{p+1}),已知 (s_p>s_{p+1})。
    两个方案前 (p-1) 位完全一样,贪心方案在第 p 位更小,因此贪心方案的数值更小,和 “该方案是最优解” 矛盾。

两种情况都矛盾,说明我们的假设不成立。
✅ 结论:一定存在全局最优解,包含 “删除第一个 (s_p>s_{p+1}) 的 (s_p)” 这个贪心选择,贪心选择性质成立。

补充最优子结构:完成本次贪心删除之后,剩下的子问题是:在新字符串上删除 (k-1) 个数字求最小值。子问题最优解与本次贪心选择组合,构成原问题最优解,满足最优子结构。


三、时间复杂度分析

上面这份 C++ 代码是朴素贪心实现:
字符串长度 n,最多需要删除 k 次。
每一次删除操作,最坏都要从头遍历整个字符串,单次遍历 (O(n));
string::erase 删除中间元素,会移动后面字符,也是 (O(n))。

总时间复杂度:(\boldsymbol{O(kn)})

补充对比:
如果用单调栈优化,每个字符入栈、出栈最多一次,可以做到 (O(n)),适合超长字符串;
本题给的朴素写法逻辑直观,适合写证明作业,但数据很大时效率偏低。

空间复杂度:(O(n)),存储字符串。


四、我对贪心算法的理解

贪心算法的核心思想:在每一步决策时,只做出当前局部最优的选择,不去枚举后续所有可能性,希望局部最优累积得到全局最优。

贪心不是万能的,它成立依赖两个必要条件:

  1. 贪心选择性质:可以通过局部最优选择,一步步构造全局最优(这就是我们上面用反证法证明的内容);
  2. 最优子结构:原问题的最优解包含子问题的最优解。

很多人初学贪心容易踩坑:凭直觉觉得 “看起来最优” 就直接写代码,但局部最优不一定能推出全局最优。比如 01 背包,如果按单位价值贪心取物品,结果是错的。所以贪心算法必须证明,不能只靠感觉。

放到删数问题里看:
它之所以适合贪心,根源在于十进制数字高位权重远高于低位。越早把高位压小,收益越大,决策没有后效性。一旦这个权重规则改变,贪心策略直接失效。

贪心和动态规划最大区别:

  • 贪心:不回溯,不保存所有子问题状态,选完就定死;代码简单、速度快,代价是需要严格证明;
  • 动态规划:记录所有子问题最优,允许回头选;不需要贪心证明,但状态设计难度更高。

删数问题是贪心非常经典的样板题。它告诉我们:贪心策略的设计,本质是抓住问题里最核心的收益规则,然后用交换 / 反证的方式,验证策略不会错失全局最优解。

posted @ 2026-11-20 21:01  王子意  阅读(4)  评论(0)    收藏  举报