贪心-局部最优导致全局最优

一、分发小饼干

胃口值：g[1,3,5,7,9]

饼干大小：s[1,3,4,5,8]

① 每颗饼干尽可能满足胃口最大的男孩（大饼干尽量满足大胃口）--推荐

遍历胃口值，每次循环中，无论是否能满足当前，都进入下次循环

② 每个男孩尽可能有一个最小的饼干去满足（小饼干尽量满足小胃口）

遍历小饼干，每次循环中，无论是否能使用当前小饼干，都进入下次循环

二、寻找最大摆动序列

本题不需要删除掉非摆动点，只统计摆动（峰值）点的数量就好，找到最多的局部的峰值就可以找到最长的摆动序列

1. 处理平坡：不仅要使得prediff和curdiff的正负相反，还需要把=0的情况也算上，即if(prediff>=0 && curdiff<0) || (prediff<=0 && curdiff>0)

注意平坡也分两种，一种是“上平平下”，一种是“上平平上”，为了保证每次递增过程或者递减过程只记录一个位，就在每次成功通过判断时更新prediff = curdiff,从而保证在新的方向上，只在最初记录一次，过程如下图所示，在头脑里跑一遍就懂了

2. 处理首末位：对于末位，如[1,2]  可以认为最后一位永远是一个摆动值，那么遍历时不需要再去遍历最后一个元素了。至于首位，在首位之前虚拟一个相等元素，如[1,1,2]让首位得到处理，也就是另prediff初始值为0，即可实现该效果

    int wiggleMaxLength(vector<int>& nums) {
        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;
    }

小结：本题对于连续子过程的处理，和首位元素的处理方法非常值得借鉴

三、最大子序和

题目：

nums = [-2,1,-3,4,-1,2,1,-5,4]

遍历该数组，尽可能使得子数组和最大，

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。从而推出全局最优：选取最大“连续和”

所以，cur_sum值的变化：[-2,1,-2,4,3,5,6,1,5]，其中最大值6 即为答案-最大连续和

    int maxSubArray(vector<int>& nums) {
        int result = INT32_MIN;
        int sum=0;   // 遍历到每个位置时，计算最大连续和
        for(int i=0; i<nums.size(); i++)
        {
            sum+=nums[i];
            result = sum > result ? sum : result;   // 始终记录最大连续和    
            sum = sum < 0 ? 0:sum;     // 当连续和为负值，舍弃

        }
        return result;
    }

听说这题可以用动态规划做，留坑