ch4 删数和贪心算法

一、分析删数问题
给一个 n 位的正整数,要求删掉其中任意 k 个数字,剩下的数字保持原来的先后顺序,组成一个新数。目标是让这个新数尽可能小。

二、我的贪心策略
要让一个数变小,要让高位上的数字尽可能小,因为高位的影响最大。
所以我的贪心策略是:
从左到右扫描,找到第一个满足 a[i] > a[i+1] 的位置,把 a[i] 删掉。因为高位的大数被删了,右边较小的数顶上来,整个数就变小了。
如果数字已经是完全递增的(比如 123456),说明每一位都比右边小,删谁都会让高位变大,那就直接删掉最后一位(最大的那个)。
重复 k 次,直到删够数量。
用代码实现就是用一个字符串存数字,每次扫一遍,找到就 erase,没找到就删末尾。

三、为什么这样删是对的?(反证法证明)
需要证明这个贪心策略满足贪心选择性质——即第一步做出的贪心选择,一定可以包含在某个最优解里。
证明:
假设对于数字串,我们从左到右找到了第一个 a[i] > a[i+1] 的位置。按照贪心策略,我们应该删掉 a[i]。
现在假设存在一个最优解,它没有删 a[i],而是删了后面某个位置 j(j > i)的数字。
贪心方案:删掉 a[i],保留 a[i+1],a[i+1] 顶到高位。
假设的最优解:保留了 a[i](一个大数),删掉了后面的 a[j]。
因为 a[i] > a[i+1],在高位上,贪心方案用较小的 a[i+1] 替换了 a[i],而后面部分的数字顺序两者完全相同(只是假设最优解少了一个 a[j],贪心方案也最终会删够 k 个)。显然,高位更小,整个数就更小。所以那个“假设的最优解”得到的数一定大于等于贪心方案得到的数。如果它删的是别的位置,我们完全可以把它的删除位置“替换”成删 a[i],得到的数不会更大,甚至可能更小。这就说明:任何不包含贪心选择的解,都不会比包含贪心选择的解更好。因此,贪心选择(删第一个 a[i] > a[i+1])一定可以是某个最优解的一部分。对于完全递增的情况,删末尾最大的数字也是同理:删高位会让数变大,删末尾对数值影响最小,所以这也是最优的局部选择。

四、时间复杂度分析
外层循环最多执行 k 次(每次删一个数字)。
内层每次扫描字符串,长度从 n 开始,每次删一个就减 1。
所以总操作次数大约是:n + (n-1) + (n-2) + ... + (n-k+1)。
这是一个等差数列求和,时间复杂度是 O(n × k)。在最坏情况下 k 接近 n,复杂度是 O(n²)。

五、我对贪心算法的一点理解
做完这几道题(Dijkstra、程序存储、删数、最优分解),我对贪心算法有了更清晰的认识:
贪心不是“随便贪”:每一步都要有明确的、可证明的贪心策略。比如删数问题贪“高位最小”,程序存储贪“长度最小”,最优分解贪“数字最接近”。
局部最优 ≠ 全局最优:这是贪心算法最容易踩的坑。必须证明(或者题目明确说可以用贪心)局部最优能推出全局最优。反证法是最常用的证明工具。
排序常常是第一步:很多贪心问题,排个序之后问题就变得非常简单了(比如程序存储问题)。
实现上往往很简单:贪心算法的代码通常很短,难点在于“想清楚为什么对”,而不是“怎么写代码”。
总的来说,贪心算法就像生活中做决策:在资源有限的情况下,每次都做当前看起来最好的选择。

posted @ 2026-11-14 20:19  hxt^^  阅读(15)  评论(0)    收藏  举报