代码随想录算法训练营第三十四天 | 理论基础、455.分发饼干、376、摆动序列、53.最大子序和

目录

理论基础

455.分发饼干

思路

代码

376.摆动序列

思路

代码

53.最大子序和

思路

代码

---

理论基础

代码随想录

455.分发饼干

代码随想录

思路

        可以是大饼干优先满足大胃口，也可以是小饼干优先满足小胃口。

代码

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

---

376.摆动序列

代码随想录 

思路

        真就像Carl哥说的那样：

贪心算法其实就是没有什么规律可言，所以大家了解贪心算法 就了解它没有规律的本质就够了。

不用花心思去研究其规律， 没有思路就立刻看题解。

基本贪心的题目 有两个极端，要不就是特简单，要不就是死活想不出来。

         我连用什么方式来判断这个是正，下个是负，或者这个是负，下个是正都不会。。。（每日崩溃1/1），其实就是用两个变量来存储。计算波峰的次数，具体可以看链接。

代码

class Solution:
    def wiggleMaxLength(self, nums):
        if len(nums) <= 1:
            return len(nums)  # 如果数组长度为0或1，则返回数组长度
        curDiff = 0  # 当前一对元素的差值
        preDiff = 0  # 前一对元素的差值
        result = 1  # 记录峰值的个数，初始为1（默认最右边的元素被视为峰值）
        for i in range(len(nums) - 1):
            curDiff = nums[i + 1] - nums[i]  # 计算下一个元素与当前元素的差值
            # 如果遇到一个峰值
            if (preDiff <= 0 and curDiff > 0) or (preDiff >= 0 and curDiff < 0):
                result += 1  # 峰值个数加1
                preDiff = curDiff  # 注意这里，只在摆动变化的时候更新preDiff
        return result  # 返回最长摆动子序列的长度

---

53.最大子序和

代码随想录 

思路

        贪心真的很逆天，一点思路都没有，暴力法最后十个用例过不了的。。。Carl点拨了一下我觉得很有道理，一个负数加一个正数肯定比0加一个正数要小，所以就是从头开始遍历起，不断计算累计和，如果累计和是负数，前面那一整段就不要了，直接0加后面的数，从后面开始重新算。

代码

class Solution:
    def maxSubArray(self, nums):
        result = float('-inf')  # 初始化结果为负无穷大
        count = 0
        for i in range(len(nums)):
            count += nums[i]
            if count > result:  # 取区间累计的最大值（相当于不断确定最大子序终止位置）
                result = count
            if count <= 0:  # 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
                count = 0
        return result