455.分发饼干
想一下,本题的贪心贪在哪里?题目描述是每个孩子最多分一块饼干,目标是尽可能满足数量多的孩子。满足的孩子的数量是不是等于发放饼干的数量?那本题是不是也可以描述为怎样才能发放数量最多的饼干?一个很容易想到的思路就是尽量把小饼干分给胃口小的孩子,大饼干尽量分给胃口大的孩子,避免“浪费”。
1.饼干大小和孩子胃口大小排序,优先把小饼干分给胃口小的孩子。
class Solution {
public: //胃口和饼干尺寸都按照从小到大排序,依次匹配
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(s.begin(), s.end());
sort(g.begin(), g.end());
int result = 0, i = 0, j = 0;
while (i < g.size() && j < s.size()) {
if (s[j] >= g[i]) {
result++;
i++;
j++;
} else {
j++;
}
}
return result;
}
};
2.饼干大小和孩子胃口大小排序,优先把大饼干分给胃口大的孩子。
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
int index = s.size() - 1; // 饼干数组的下标
int result = 0;
for (int i = g.size() - 1; i >= 0; i--) { // 遍历胃口
if (index >= 0 && s[index] >= g[i]) { // 遍历饼干
result++;
index--;
}
}
return result;
}
};
376. 摆动序列
1.看到题目我的第一想法是统计差值序列正负交替的个数,最后结果+1就是摆动序列最长子序列的长度。感觉并不难,但是修改了几次代码都没有通过,模拟没通过的测试用例才发现问题。因为正负交替的逻辑是diffenence[j]*diffenence[j+1]<0,例如差值序列(2,-3,-2,4),-3乘以-2是>0的,不符合正负交替逻辑,所以我们后移。-2乘以4<0,是差值序列,所以我们最后得到的差值序列是(2,-3,4)这样也是符合要求的,因为这里面-3乘以-2>0我们后移差值序列-2和-3符号是相同的,所以4和-2异号等价于4和-3异号。以上是理想情况,实际上差值可能为0。例如差值序列(2,-3,0,4),-3乘以0=0不满足异号条件,我们后移差值序列0乘以4=0也不满足异号条件。这样-3就会认为后面都是和它同号的数了,于是得到差值序列(2,-3),但实际上的差值序列应该为(2,-3,4)。究其原因是差值0导致了这种差异,那么能不能去掉0呢?答案是可以的,去掉0就相当于原序列中有多个连续相同的值只保留一个,这样并不影响差值序列个数的统计。(注意差值序列全为0的特殊情况处理)
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size()==1) return 1;//剪枝
vector<int> diffenence;//统计非0差值
for(int i=1;i<nums.size();i++){
if(nums[i]!=nums[i-1])
diffenence.push_back(nums[i]-nums[i-1]);
}
if(diffenence.size()==0) return 1;//剪枝
int result=1,j=0;//统计交替出现差值个数
while(j+1<diffenence.size()){
if(diffenence[j]*diffenence[j+1]<0){
result++;
j++;
}
else{
j++;
}
}
return result+1;//交替差值个数+1就是序列个数
}
};
2.将摆动序列抽象为峰,判断峰的个数。(注意峰的判断逻辑,还是不容易想的,详情看代码随想录的讲解)
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if (nums.size() == 1)
return 1;
//前一对差值、当前一对差值、初始峰个数
int preDiff = 0, curDiff = 0, result = 1;
for (int i = 1; i < nums.size(); i++) {
curDiff = nums[i] - nums[i - 1];
//判峰条件
if ((preDiff <= 0 && curDiff > 0) ||
(preDiff >= 0 && curDiff < 0)) {
result++;
preDiff = curDiff; // 注意这里,只在摆动变化的时候更新prediff
}
}
return result;
}
};
53. 最大子序和
1.最朴素的思想就是暴力法,两层for循环,把所有的连续子数组之和都计算一遍。不出意外地超时了,7个测试用例没过,考虑到是自己写的代码,所以还是放上来。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result=INT_MIN;
for(int i=0;i<nums.size();i++){
int count=0;
for(int j=i;j<nums.size();j++){
count+=nums[j];
result=count>result?count:result;
}
}
return result;
}
};
2.自己想的贪心,用sum统计当前连续子数组之和,max统计出现过的连续子数组之和的最大值。当sum<0,说明这个连续子数组之和已经不可能是最大值。因为继续连续sum<0相对于之后的数组是个拖累,所以从下一个数重新开始统计连续子数组。至于之前该连续数组在增长的过程中,最大值已经被max记录过了。(特殊处理一下全是负数的情况,需要排序这也是算法效率不高的原因,不特殊处理修改一下算法也行,我太懒了就不贴了……)
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int> nums1 = nums; //复制数组
sort(nums1.begin(), nums1.end()); //排序
if (nums1[nums1.size() - 1] <= 0) //最大值都<=0,直接返回最大值
return nums1[nums1.size() - 1];
int sum = 0, max = 0;
for (int i = 0; i < nums.size(); i++) {
sum += nums[i];
if (sum < 0)
sum = 0; //子数组之和<0就开始找新的连续子数组
else {
max = sum > max ? sum : max; //用max记录连续子数组之和的最大值
}
}
return max;
}
};
3.看了随想录的题解,发现自己的代码还是不够简洁。count统计当前子序列之和,result统计最大值。并把result初始化为nums[0](全是负数的情况也不需要特殊处理),当前子序列之和>result,就更新最大值,count<=0说明会拉低总和,重新统计子序列之和。
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = nums[0], count = 0;
for (int i = 0; i < nums.size(); i++) {
count += nums[i];
// 取区间累计的最大值(相当于不断确定最大子序终止位置)
if (count > result)
result = count;
// 相当于重置最大子序起始位置,因为遇到负数一定是拉低总和
if (count <= 0)
count = 0;
}
return result;
}
};
今日总结:贪心,启动!