Day31 贪心算法理论基础 455.分发饼干 376. 摆动序列 53. 最大子序和

贪心算法理论基础

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。
刷题或者面试的时候，手动模拟一下感觉可以局部最优推出整体最优，而且想不到反例，那么就试一试贪心。
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

455.分发饼干

https://leetcode.cn/problems/assign-cookies/
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。
可以尝试使用贪心策略，先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，并统计满足小孩数量。
先遍历胃口，再遍历的饼干，不可以先遍历饼干，再遍历胃口

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

376. 摆动序列

本题要考虑三种情况：

• 情况一：上下坡中有平坡
• 情况二：数组首尾两端
• 情况三：单调坡中有平坡
  • 只需要在 这个坡度 摆动变化的时候，更新prediff就行，这样prediff在 单调区间有平坡的时候 就不会发生变化，造成我们的误判。

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 + 1] - nums[i];
            if(prediff >= 0 && curdiff < 0 || prediff <= 0 && curdiff > 0){
                res++;
                prediff = curdiff;
            }
        }
        return res;
    }
};

53. 最大子序和

https://leetcode.cn/problems/maximum-subarray/
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”

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