理论基础:
贪心的本质是选择每一阶段的局部最优,从而达到全局最优。
455.分发饼干
可以这样想 :局部最优就是大饼干喂给胃口大的,充分利用饼干尺寸喂饱一个,全局最优就是喂饱尽可能多的小孩。
#大饼干优先
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
g.sort()
s.sort()
index=len(s)-1
res=0
for i in range(len(g)-1,-1,-1): #遍历从最后一个孩子往前遍历
if index>=0 and s[index]>=g[i]:
res+=1
index-=1
return res
#小饼干优先的代码
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
g.sort()
s.sort()
index=0
for i in range(len(s)): #遍历饼干
if index<len(g) and g[index]<=s[i]:
index+=1
return index
376. 摆动序列
例如
可以看出
局部最优:删除单调坡度上的节点(不包括单调坡度两端的节点),那么这个坡度就可以有两个局部峰值。
整体最优:整个序列有最多的局部峰值,从而达到最长摆动序列。
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
if len(nums)<=1:
return len(nums)
prediff,curdiff,res=0,0,1
for i in range(len(nums)-1):
curdiff=nums[i+1]-nums[i]
if (prediff<=0 and curdiff>0) or (prediff>=0 and curdiff<0):
res+=1
prediff=curdiff
return res
只要保持峰值,删除单一坡度上的节点就好
#动态规划
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
n=len(nums)
if n<2:
return 1
up=down=1
for i in range(1,n):
if nums[i]>nums[i-1]:
up=down+1
elif nums[i]<nums[i-1]:
down=up+1
return max(up,down)
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
count=0
res=-inf
for i in range(len(nums)):
count+=nums[i]
if count>res: #取累加数组之间的最大值 不断确定最大序列的终止位置
res=count
if count<0:
count=0
return res