贪心算法 part01

题目 455.分发饼干

问题描述

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.

解题思路

• 大胃口优先满足，用小孩胃口做循环。
• 小胃口优先满足，用饼干做循环。

代码

• 大胃口优先

class Solution:
    def findContentChildren(self, g, s):
        g.sort()  # 将孩子的贪心因子排序
        s.sort()  # 将饼干的尺寸排序
        index = len(s) - 1  # 饼干数组的下标，从最后一个饼干开始
        result = 0  # 满足孩子的数量
        for i in range(len(g)-1, -1, -1):  # 遍历胃口，从最后一个孩子开始
            if index >= 0 and s[index] >= g[i]:  # 遍历饼干
                result += 1
                index -= 1
        return result

• 小饼干优先

class Solution:
    def findContentChildren(self, g, s):
        g.sort()  # 将孩子的贪心因子排序
        s.sort()  # 将饼干的尺寸排序
        index = 0
        for i in range(len(s)):  # 遍历饼干
            if index < len(g) and g[index] <= s[i]:  # 如果当前孩子的贪心因子小于等于当前饼干尺寸
                index += 1  # 满足一个孩子，指向下一个孩子
        return index  # 返回满足的孩子数目

复杂度分析

• 时间复杂度

  O(n log n)，这里的 n 是 g 和 s 中元素的总和。排序 g 和 s 需要 O(n log n) 的时间复杂度。在 worst-case scenario 中，对 g 的每个元素，我们可能都需要查找 s 中的元素，所以遍历操作的时间复杂度为 O(n)。因此，总的时间复杂度为 O(n log n)。

• 空间复杂度

  O(1)，我们没有使用除了输入以外的额外空间。
  虽然在时间和空间复杂度上两种方法是一样的，但是从实际效果上来看，小饼干优先的方法能够满足更多的孩子。因为，我们尽可能用较小的饼干满足孩子，这样大的饼干就能留给贪心因子大的孩子，从而满足更多的孩子。

题目 376. 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。少于两个元素的序列也是摆动序列。

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。

给定一个整数序列，返回作为摆动序列的最长子序列的长度。 通过从原始序列中删除一些（也可以不删除）元素来获得子序列，剩下的元素保持其原始顺序。

示例 1:

输入: [1,7,4,9,2,5]
输出: 6
解释: 整个序列均为摆动序列。

解题思路

代码

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        if len(nums)<=1:
            return len(nums)
        prediff=0
        curdiff=0
        res=1

        for i in range(len(nums)-1):
            curdiff=nums[i+1]-nums[i]
            if (prediff<=0 and curdiff>0) or (prediff>=0 and curdiff<0):
                res+=1
                prediff=curdiff
        return res

复杂度分析

• 时间复杂度

  O(n)，其中n是数组nums的长度。这是因为算法需要遍历数组nums一次。

• 空间复杂度

  O(1)，因为算法只使用了几个变量，并且这个空间需求不随输入数组nums的大小改变。即使nums的大小增加，这几个变量的数量也不会改变。

题目 53. 最大子序和

问题描述

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。

示例:

输入: [-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。

解题思路

currentsum小于0，的时候把currentsum重置为0，然后再继续加。用一个max来保存当前的最大currentsum然后返回

代码

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        
        max_sum=nums[0]
        cur_sum=0
        for i in nums:
            #cursum变化之后maxsum马上跟着变化
            cur_sum+=i
            max_sum=max(max_sum,cur_sum)

            if cur_sum <0:
                cur_sum=0
                
        return max_sum

复杂度分析

• 时间复杂度

  O(n)，其中 n 是数组 nums 的长度。这是因为我们只遍历数组一次。

• 空间复杂度

  O(1)，我们只使用了常数个变量来存储当前子数组的和 cur_sum 和最大子数组的和 max_sum，因此空间复杂度为常数。