【算法】贪心算法：LeetCode 455 分发饼干、LeetCode 376 摆动序列

LeetCode 455 ：分发饼干

（简单）

题目

描述
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。

示例 1:
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。

示例 2:
输入: g = [1,2], s = [1,2,3]
输出: 2
解释:
你有两个孩子和三块小饼干，2个孩子的胃口值分别是1,2。
你拥有的饼干数量和尺寸都足以让所有孩子满足。
所以你应该输出2.

思路

这是一道十分典型贪心算法入门题目，题目要求每个孩子只能给一块饼干，并且要求满足较多的孩子，因此，我们可从最小的饼干来满足需求量最小的孩子开始分配，也就是将饼干数组以及孩子需求数组进行从小到大的排序，并用 i，j 来分别指示两数组的当前下标，若可以满足，则消耗一个饼干，同时去除一个孩子，若不满足，则根据常识，孩子是需求方，饼干是消耗方，应停留在当前孩子，同时选下一个较大的饼干（不能直接选下一个孩子，因为下一个孩子的需求更大），最终，只要有一个数组遍历结束，那么就需要结束并返回结果。

这⾥的局部最优就是小饼⼲喂给需求小的，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。

实现

public class TX1分发饼干 {
    public int findContentChildren(int[] g, int[] s) {
        int num = 0;
        int i = 0;
        int j = 0;
        Arrays.sort(g);
        Arrays.sort(s);
        while (i < g.length && j < s.length) {
            if (g[i] <= s[j]) {
                i++;
                j++;
                num++;
            } else {
                j++;
            }
        }
        return num;
    }
}

LeetCode 376：摆动序列

（中等）

题目

描述
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 。

示例1
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) 。

示例 2：
输入：nums = [1,17,5,10,13,15,10,5,16,8]
输出：7
解释：这个序列包含几个长度为 7 摆动序列。
其中一个是 [1, 17, 10, 13, 10, 16, 8] ，各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。

示例 3：
输入：nums = [1,2,3,4,5,6,7,8,9]
输出：2

思路

此题比较容易想到的思路就是先求出差集数组，判断此差集数组的正负交替情况，并统计结果，但这种方法需要遍历两次数组，但完全可以在一次遍历的同时，进行求差，正负摆动情况的统计，因此，我们遍历数组的同时，计算出当前一对数的差值，并事先记录好前一对数的差值，进行符号相异的判断，判断成功则记录一次序列数量，因为两两判断，考虑首或尾的单独情况，还应再多记录一次。

下面实现中的：pre >=0 和 pre <= 0，仅是为第一次判断时提供遍历，从而使代码更统一。

而更新前一对的差值，也就是：pre = now，必须放在 if 判断的里面，也就是在成功记录一次序列数量时才可以执行，放在外面的话提交就不会通过，对于这一点我是十分想不通。

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，从⽽达到最⻓摆动序列。

实际操作上，其实连删除的操作都不⽤做，因为题⽬要求的是最⻓摆动⼦序列的⻓度，所以只需要统计数组的峰值数量就可以了（相当于是删除单⼀坡度上的节点，然后统计⻓度）这就是贪⼼所贪的地⽅，让峰值尽可能的保持峰值，然后删除单⼀坡度上的节点——此部分解释，学习自公众号：代码随想录。

实现

public class TX2摆动序列 {
    public int wiggleMaxLength(int[] nums) {
        int len = nums.length;

        if (len <= 1) {
            return len;
        }

        int count = 1;
        int now = 0; //当前这对的差值
        int pre = 0; //前一对的差值

        //遍历的同时，求差，统计
        for (int i = 0; i < len - 1; i++) {
            //得到当前对的差值
            now = nums[i + 1] - nums[i];
            //与前一对的差值进行判断
            if ((now > 0 && pre <= 0) || (now < 0 && pre >= 0)) {
                count++;
                //更新前一对的差值
                pre = now;
            }
        }

        return count;
    }

    public static void main(String[] args) {
        TX2摆动序列 s = new TX2摆动序列();
        System.out.println("s.wiggleMaxLength(new int[]{1,2,3,4,5,6,7,8,9}) = " + s.wiggleMaxLength(new int[]{1, 2, 3, 4, 5, 6, 7, 8, 9}));

        System.out.println("s.wiggleMaxLength(new int[]{1,17,5,10,13,15,10,5,16,8}) = " + s.wiggleMaxLength(new int[]{1, 17, 5, 10, 13, 15, 10, 5, 16, 8}));
        //子序列为：[1, 17, 5, 15, 5, 16, 8]

        System.out.println("s.wiggleMaxLength(new int[]{1,7,4,9,2,5}) = " + s.wiggleMaxLength(new int[]{1, 7, 4, 9, 2, 5}));
        System.out.println("s.wiggleMaxLength(new int[]{0,0,0}) = " + s.wiggleMaxLength(new int[]{0, 0, 0}));

    }
}