Leetcode 455.分发饼干
题目链接:Leetcode 455.分发饼干
题目描述: 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。
思路: 为了满足更多的小孩,就不要造成饼干尺寸的浪费。因此可以想到使用贪心思想。局部最优:大饼干喂胃口大的孩子或者小饼干喂胃口小的孩子;全局最优:喂饱尽可能多的孩子。 不过对于上述两种贪心策略,遍历饼干数组和孩子数组的顺序是不同的! (无论哪种策略都需要先对两个数组排序)
- 对于大饼干喂胃口大的孩子,需要先从后向前遍历孩子数组,再根据胃口寻找饼干
- 对于小饼干喂胃口小的孩子,需要先从前向后遍历饼干数组,根据饼干大小寻找孩子
代码如下:(贪心策略:先满足胃口大的)
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
//贪心策略:先满足胃口大的
int index = s.size() - 1; //饼干数组下标
int result = 0;
for (int i = g.size() - 1; i >= 0; i--) { //遍历胃口
if (index >= 0 && s[index] >= g[i]) { //遍历饼干
result++;
index--;
}
}
return result;
}
};
- 时间复杂度:O(nlogn)
- 空间复杂度:O(1)
(贪心策略:先满足胃口小的)
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
//贪心策略:先满足胃口小的
int index = 0;
for (int i = 0; i < s.size(); i++) { //遍历饼干
if (index < g.size() && g[index] <= s[i]) { //遍历胃口
index++;
}
}
return index;
}
};
- 时间复杂度:O(nlogn)
- 空间复杂度:O(1)
Leetcode 376. 摆动序列
题目链接: Leetcode 376. 摆动序列
题目描述: 如果连续数字之间的差严格地在正数和负数之间交替,则数字序列称为摆动序列。第一个差(如果存在的话)可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。子序列可以通过从原始序列中删除一些(也可以不删除)元素来获得,剩下的元素保持其原始顺序。
给你一个整数数组 nums
,返回 nums
中作为 摆动序列 的 最长子序列的长度 。
思路: 这道题我第一反应是利用动态规划解决,因为根据摆动序列定义可以知道,摆动序列的数字是小大小或者大小大这样的山峰山谷状态,因此我们可以利用动态规划拆分子问题,记住过往,减少重复计算这种特点来解决本题。
代码如下:(动态规划)
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
int dp[1010][2];
//规定dp[i][0]:前i个数,并且第i个数作为山峰的摆动子序列最大长度
//规定dp[i][1]:前i个数,并且第i个数作为山谷的摆动子序列最大长度
dp[0][0] = dp[0][1] = 1;
for (int i = 1; i < nums.size(); i++) {
dp[i][0] = dp[i][1] = 1;
for (int j = 0; j < i; j++) {
if (nums[j] > nums[i])//第i个数为山谷,则寻找山峰
dp[i][1] = max(dp[i][1], dp[j][0] + 1);
}
for (int j = 0; j < i; j++) {
if (nums[j] < nums[i])//第i个数为山峰,则寻找山谷
dp[i][0] = max(dp[i][0], dp[j][1] + 1);
}
}
int n = nums.size() - 1;
return max(dp[n][0], dp[n][1]);
}
};
除了动态规划,我们还可以使用贪心来解决。
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size()<1) return nums.size();
int pre=0;//记录当前数字与前一个数的差值
int cur=0;//记录当前数字与下一个数的差值
int result=1;//默认最右侧存在一个摆动序列长度
for(int i=0;i<nums.size()-1;i++){
cur=nums[i+1]-nums[i];
if((pre>=0&&cur<0)||(pre<=0&&cur>0)){
result++;
pre=cur;
}
}
return result;
}
};
Leetcode 53. 最大子数组和
题目链接: Leetcode 53. 最大子数组和
题目描述: 给定一个整数数组 nums
,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。子数组 是数组中的一个连续部分。
思路: 本题第一反应可以暴力枚举,时间复杂度O(N^2)
看了眼数据范围应该发现会超时,再结合题意:需要寻找和最大的连续子数组,联想到可以使用动态规划来解决。(上道题Leetcode 376. 摆动序列也是根据连续想到的动态规划)
代码如下:(动态规划)
class Solution {
public:
int maxSubArray(vector<int>& nums) {
if (nums.size() == 0)
return 0;
vector<int> dp(nums.size(), 0); // dp代表前i个元素对应连续子数组的最大和
dp[0] = nums[0];
int result = dp[0];
for (int i = 1; i < nums.size(); i++) {
dp[i] = max(dp[i - 1] + nums[i], nums[i]);
if (dp[i] > result)//更新最大值
result = dp[i];
}
return result;
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(n)
本题同样可以使用贪心来做:
-
局部最优:当前“连续和”为负数的时候立刻放弃,从下一个元素重新计算“连续和”,因为负数加上下一个元素 “连续和”只会越来越小。
-
全局最优:选取最大“连续和”
代码如下:(贪心)
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = INT32_MIN;
int cnt = 0;
for (int i = 0; i < nums.size(); i++) {
cnt += nums[i];
if (cnt > result)//更新最大值
result = cnt;
if (cnt <= 0)//只有遇到负数才会让cnt<=0(别漏掉等号),而此时就该重新计算cnt了
cnt = 0;
}
return result;
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(1)
总结: 后两道题的两种做法值得琢磨,没想到贪心和动态规划的题型联系这么紧密。(PS:春节放假心有点散了,欠了好几天的题,这几天抓紧补吧)
最后,如果文章有错误,请在评论区或私信指出,让我们共同进步!