代码随想录算法训练营第31天 | 贪心算法1

贪心算法

贪心算法的本质是选择每一段的局部最优，从而达到全局最优。
贪心算法的解题步骤：

1. 将问题分解为若干个子问题
2. 找出适合的贪心策略
3. 求解每一个子问题的最优解
4. 将全局最优解堆叠成全局最优解

455.分发饼干

题目： 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。
链接： https://leetcode.cn/problems/assign-cookies
思路：
局部最优：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：喂饱尽可能多的小孩
大饼干喂饱胃口大的小孩
将饼干数组和小孩数组排序，然后从后向前遍历小孩数组，用大饼干优先满足胃口大的，并统计满足小孩的数量。

class Solution {
public:
	int findContentChildren(vector<int>& g, vector<int>& s) {
		int res = 0;
		sort(g.begin(), g.end());
		sort(s.begin(), s.end());
		int j = s.size() - 1;
		for(int i = g.size() - 1; i >= 0; --i){
			if(j >= 0 && s[j] >= g[i]){
				j--;
				res++;
			}
		}
		return res;
	}
};

其他思路：小饼干喂饱胃口小的小孩

class Solution {
public:
	int findContentChildren(vector<int>& g, vector<int>& s) {
		int res = 0;
		sort(g.begin(), g.end());//小孩的胃口值
		sort(s.begin(), s.end());//饼干尺寸
		int j = 0;
		for(int i = 0; i < s.size(); ++i){ //遍历饼干
			if(j < g.size() && s[i] >= g[j]){
				res++;
				j++;
			}
		}
		return res;
	}
};

376.摆动序列

题目： 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。
例如， [1, 7, 4, 9, 2, 5] 是一个 摆动序列 ，因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。
相反，[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
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 。
链接： https://leetcode.cn/problems/wiggle-subsequence
思路：

1. 定义preDiff记录前一个元素和当前元素的差值；
   curDiff记录当前元素和后一个元素的差值；
   res记录峰值个数。
2. 满足条件：preDiff < 0 && curDiff > 0或preDiff > 0 && curDiff < 0记一次波动。
3. 其他情况：
   ①上下坡中有平坡：1 2 2 2 2 1，差值 1 0 0 0 -1
   ②数组首尾两端：2 2 5，差值 0 3
   此时存在preDiff = 0表示在数组的起点或者起点是平坡，此时只要curDiff为正或负就可以记一次波动。
   ③单调坡中有平坡：1 2 2 2 3 4，差值 1 0 0 1 1
   只在发生满足条件的”摆动变化“时，更新preDiff的值，这样preDiff在单调区间有平坡的时候就不会发生变化，造成误判。

class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        if(nums.size() <= 1){
            return nums.size();
        }
        int res = 1;
        int preDiff = 0;
        int curDiff = 0;
        for(int i = 0; i < nums.size() - 1; ++i){
            curDiff = nums[i] - nums[i + 1];
            if((preDiff >= 0 && curDiff < 0) || (preDiff <= 0 && curDiff > 0)){
                preDiff = curDiff;
                res++;
            }
        }
        return res;
    }
};

细节问题：

1. 如果数组中只有一个元素，摆动序列的长度为1。
2. 如果数组一直递增，摆动序列的长度为2。
3. 如果数组发生一次波动，摆动序列的长度为3。
   所以，res的数值应该是从1开始，遇到一次差值波动就+1。

53.最大子数组和

题目： 给你一个整数数组 nums ，请你找出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。
链接： https://leetcode.cn/problems/maximum-subarray/
思路：
【贪心解法】 如果-2,1在一起时，计算起点时，一定是从1开始计算，因为负数只会拉低总和，这就是贪心贪的地方。

1. 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。
2. 全局最优： 选取最大”连续和“
   局部最优的情况下，并记录最大的”连续和“，可以推出全局最优。
   遍历nums，从头开始用count累积，如果count一旦加上nums[i]变为负数，那么就应该从nums[i+1]开始从0累积count了，因为已经变为负数的count，只会拖累总和。
   每次贪心取count为正数的时候，开始一个区间的统计。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int res = INT_MIN;
        int count = 0;
        for(int i = 0; i < nums.size(); ++i){
            count += nums[i];
            if(count >= res){ //***
                res = count;
            }
            if(count <= 0){
                count = 0;
            }
        }
        return res;
    }
};

时间复杂度：O(N)
空间复杂度：O(1)
注：***处如果写为

if(count >= 0){
	res = max(res, count);
}

当数列都为负数的时候，res始终未被赋值。
【动态规划】
动态规划五部曲：

1. 确定dp数组以及下标的含义
   dp[i]：包括下标i(以下标为i的元素为结尾)的最大连续子序列的和为dp[i]
2. 确定递推公式
   dp[i]只有两个方向可以推出来：
   ① dp[i - 1] + nums[i]，即nums[i]加入当前连续子序列和
   ②nums[i]，即从头开始计算当前连续子序列的和
   dp[i] = max(dp[i - 1] + nums[i], nums[i]);
3. dp数组如何初始化
   从递推公式中可以看出dp[i]的值依赖于dp[i - 1]的状态，dp[0]就是递推公式的基础。
   dp[0] = nums[0]
4. 确定遍历顺序
   从前向后遍历
5. 举例推导dp数组

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        vector<int> dp(nums.size());
        dp[0] = nums[0];
        int res = nums[0];
        for(int i = 1; i < nums.size(); ++i){
            dp[i] = max(dp[i - 1] + nums[i], nums[i]);
            res = max(res, dp[i]);
        }
        return res;
    }
};