贪心:什么是贪心?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。
贪心算法一般分为如下四步:
- 将问题分解为若干个子问题
- 找出适合的贪心策略
- 求解每一个子问题的最优解
- 将局部最优解堆叠成全局最优解
思路:
大尺寸的饼干应该优先满足胃口大的孩子, 才能不造成饼干尺寸的浪费。因此这里的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。
步骤:先对饼干和胃口数组进行排序,从最大的饼干和胃口开始遍历,先遍历胃口再遍历饼干。
代码:
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
int result = 0;//满足孩子的数量
int index = s.size() - 1;//饼干数组的下标,从最大饼干开始遍历
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++;//如果饼干尺寸满足胃口,孩子数量加一
index--;//同时饼干下标减一
}
}
return result;
}
};
思路:
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。
实际不需要删除操作,只需要统计峰值出现的数量就行。通过数组下标i,计算preDiff(nums[i] - nums[i - 1])和curDiff(nums[i + 1] - nums[i]),if(preDiff > 0 && curDiff < 0)或者if(preDiff < 0 && curDiff > 0)则说明出现了峰值。
需要考虑三种情况:
- 情况一:上下坡中有平坡:(preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)
- 情况二:数组首尾两端:result初始为1(默认最右面有一个峰值)
- 情况三:单调坡中有平坡:在 这个坡度 摆动变化的时候,更新preDiff
代码:
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size() <= 1) return nums.size();
int preDiff = 0;
int curDiff = 0;
int result = 1;
for(int i = 0; i < nums.size() - 1; i++){
curDiff = nums[i + 1] - nums[i];
if((preDiff >= 0 && curDiff < 0) || (preDiff <= 0 && curDiff > 0)){
result++;
preDiff = curDiff;
}
}
return result;
}
};
思路:
遍历nums,从头开始用count进行累加,如果累加和小于0了,再往后累加无论后面元素是正或负,都会拖累后面的子数组和,因此一旦count累加到nums[i]为负,那么就应该把count置为0,从nums[i + 1]开始重新累加。在这过程不断更新result,记录下最大值。
代码:
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = INT32_MIN;//记录最大和
int count = 0;//记录遍历过程中的累加和
for(int i = 0; i < nums.size(); i++){
count += nums[i];
if(count > result) result = count;// 取区间累计的最大值(相当于不断确定最大子序终止位置)
if(count < 0) count = 0;// 相当于重置最大子序起始位置,因为遇到负数一定是拉低总和
}
return result;
}
};