代码随想录算法训练营第二十六天｜（贪心算法）455.分发饼干 、376. 摆动序列 、53. 最大子序和

455. 分发饼干

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。

大饼干优先的贪心算法：

class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        g.sort()
        s.sort()
        cnt = 0
        j = len(s) - 1
        for i in range(len(g) - 1, -1, -1):
            if j >= 0 and s[j] >= g[i]:
                j -= 1
                cnt += 1
        return cnt

376. 摆动序列

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        if len(nums) <= 1:
            return len(nums)
        
        curdiff = 0
        prediff = 0
        cnt = 1 #初始值为1（默认最右的元素被视为峰值）
        for i in range(len(nums) - 1): #最右元素已经被考虑了
            curdiff = nums[i+1] - nums[i]
            if (prediff <= 0 and curdiff > 0 ) or (prediff >= 0 and curdiff < 0):
                cnt += 1
                #只有出现摆动时才移动prediff
                prediff = curdiff
        return cnt

53. 最大子数组和

如果 -2 1 在一起，计算起点的时候，一定是从 1 开始计算，因为负数只会拉低总和，这就是贪心贪的地方！

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”

1.两层遍历的暴力解法：

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        
        result = float('-inf')
        cnt = 0
        for i in range(len(nums)):
            cnt = 0
            for j in range(i, len(nums)): #开始探索每一中子集情况
                cnt += nums[j]
                result = max(cnt, result)

        return result

2.贪心算法

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        
        result = float('-inf')
        cnt = 0
        for i in range(len(nums)):
            cnt += nums[i]
            if cnt > result:
                result = cnt
            if cnt < 0:
                cnt = 0
        return result