D31|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

重要知识点
1）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
2）通过模拟和举反例来测试是否用贪心算法，无固定的套路
3）贪心算法一般分为如下四步：
（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）将局部最优解堆叠成全局最优解
也可以是思考思路，不一定按这个步骤写

455.分发饼干

1.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。

2.实现
最开始是用最小的饼干去喂最大的食量，但这样不能简化思路，且还得考虑如果小饼干n不满足大胃王，能否满足胃口稍微小的

class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        g = sorted(g)
        s = sorted(s)
        n = len(g)
        m = len(s)
        cnt, j = 0, 0
        for i in range(n):
            while j < m:
                if s[j] >= g[i]:
                    cnt += 1
                    j += 1
                    break
                j += 1
        return cnt

3.文章讲解

376. 摆动序列

1.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。少于两个元素的序列也是摆动序列。

2.实现
思路基本和题解一致

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        # 16 -12 5 3 2 -5 11 -8
        cnt = 0
        n = len(nums)
        if n == 1:
            return 1
        pre = nums[1] - nums[0]
        if pre != 0:
            cnt = 1
        i = 2
        while i < n:
            cur = nums[i] - nums[i - 1]
            if cur == 0:
                i += 1
                continue
            if (pre == 0 and cur != 0) or (pre * cur < 0):
                pre = cur
                cnt += 1
            i += 1
        return cnt + 1

3.文章讲解

看到这个峰谷的图就明白了

53. 最大子序和

1.题目
给定一个整数数组 nums ，找到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。

2.实现
难点：
1）终止条件
2）在满足条件后一定要及时更新结果，以及何时更新结果

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        res = nums[0]
        n = len(nums)
        if n == 1:
            return nums[0]
        i, j = 0, 1
        tmp = nums[0]
        while j < n and i < n:
            if nums[j] + tmp > nums[j]:
                tmp += nums[j]
                res = tmp if res < tmp else res
                j += 1
            else:
                i = j
                j = i + 1
                tmp = nums[i]
                res = tmp if res < tmp else res  # 考虑此时nums[i]也可能为和最大解
        return res

3.文章讲解
本题是O(n)的时间复杂度，也可以用dp来解决