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
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
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