①、分发饼干
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。
事例:
输入: g = [1,2,3], s = [1,1] 输出: 1 解释: 你有三个孩子和两块小饼干,3个孩子的胃口值分别是:1,2,3。 虽然你有两块小饼干,由于他们的尺寸都是1,你只能让胃口值是1的孩子满足。 所以你应该输出1。
思路:
题目要求尽可能满足多的小孩,而资源有限,故我们需要尽可能利用小饼干满足胃口小的小孩,故我们可以将g和s数组排序,将两个数组从小到大遍历,若s[j] >= g[i] 则结果加1,i++ j++,若不满足,则换下一个饼干,遍历完饼干或小孩,则得到结果。
代码:
public int findContentChildren(int[] g, int[] s) {
int res = 0;
Arrays.sort(g);
Arrays.sort(s);
int i = 0; //孩子胃口的下标
int j = 0; //对应的饼干尺寸
while(i < g.length && j < s.length){
if(s[j] >= g[i]){
res++;
i++;
j++;
}else{
j++;
}
}
return res;
}
②、摆动序列
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 。
事例:
输入:nums = [1,7,4,9,2,5] 输出:6 解释:整个序列均为摆动序列,各元素之间的差值为 (6, -3, 5, -7, 3) 。
思路:
摆动序列的特点就是除了头尾,中间的数都是峰值(极大极小值)。如上图所示,若要统计最长摆动序列,即要统计峰值加头尾数,删除中间递增/递减数对摆动序列无影响。
故可以遍历数组,用prediff记录前一个摆动,curdiff记录当前值与下一个值的摆动,当prediff >= 0 && curdiff < 0 或者prediff <= 0 && curdiff > 0时,即为峰值,结果+1。
判断条件prediff能等于0原因是:当出现平坡 1 - 2 - 2时,要删除其中一个2,而让其中一个坡度能为0就是跳过元素,prediff = 0是删除左边元素 往右跳,curdiff = 0是删除右边元素 往左跳。故两个判断条件有且一个坡度能等于 0。
注意:由于单调可能出现平坡,而判断条件有一个坡度可以为0,故只有找到满足条件时才记录坡度,即prediff = curdiff。
prediff应从 0开始,即把首元素包括在序列里,(因为只要首元素与第二个元素不相等,结果就得 + 1),res 应从 1开始,因为遍历计算curdiff的时候把尾元素给忽略了。
代码:
public int wiggleMaxLength(int[] nums) {
if(nums.length == 1) return 1;
int res = 1;
int prediff = 0; //前一个坡度
for(int i = 0;i < nums.length - 1;i++){
int curdiff = nums[i + 1] - nums[i];
if((prediff >= 0 && curdiff < 0) || (prediff <= 0 && curdiff > 0)){
res++;
prediff = curdiff;
}
}
return res;
}
③、最大数组组合
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。
事例:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4] 输出:6 解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
思路:
贪心算法:用一个int变量记录当前下标前的最大连续和,若连续和大于0,则当前下标的最大连续和就是前一个连续和加元素,若连续和小于0,则当前下标的最大连续和就是当前元素。即只有正数连续和才能使当前元素获利,在每次获得最大连续和的时候判断 取得最大值。
代码:
public int maxSubArray(int[] nums) {
//贪心算法
int count = 0;
int res = Integer.MIN_VALUE;
for(int i = 0;i < nums.length;i++){
count += nums[i];
if(count > res) res = count;
if(count < 0) count = 0;
}
return res;
}
动态规划:创建一个数组dp[],记录当前下标的最大连续和,数组dp[]的赋值思路跟上面的贪心做法一样,当dp[]赋值完后,res也更新到了最大值。
代码:
public int maxSubArray(int[] nums) {
//动态规划
if(nums.length == 1) return nums[0];
int n = nums.length;
int[] dp = new int[n];
dp[0] = nums[0];
int res = dp[0];
for(int i = 1;i < nums.length;i++){
dp[i] = Math.max(dp[i - 1] + nums[i],nums[i]);
if(dp[i] > res) res = dp[i];
}
return res;
}