理论基础
455.分发饼干
解题思路
局部最优就是用大的饼干去喂胃口大的小孩。
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(),g.end());
sort(s.begin(),s.end()); //对小孩和饼干排序
int j = s.size()-1;
int result = 0; //结果
for(int i = g.size()-1;i>=0 ; i--)
{
if(j>=0 && s[j]>=g[i])
{
result++;
j--; //如果找到了喂的孩子,那么就指针往前移动一个,结果+1
}
}
return result;
}
};
- 时间复杂度:O(nlogn)(快速排序)
- 空间复杂度:O(1)
376. 摆动序列
解题思路
局部最优:我们只需要删除峰值之间的坡的节点,就可以了
全局最优:整个序列有最多的局部峰值,从而达到最长摆动序列
我们只需要判断,前一个prediff 是nums[i] - nums[i-1] ,和 curdiff是nums[i+1] - nums[i] 只要prediff<0 && curdiff > 0 或者 prediff>0 && curdiff< 0 就是一个摆动
整体思路是这样,但是有三种情况需要分析
情况一:上下坡中有平坡
prediff≤0 && curdiff > 0 或者 prediff≥0 && curdiff< 0,一直往右边删
情况二:数组首尾两端(只有两个元素)
但是我们计算pre和cur需要三个元素,所以我们假设前面还有一个和自己相同元素就可以了,我们右边的摆动默认为1,即result初始值为1,例如2-2,延伸出来就是2-2-2,那么结果还是1.
总结就是尾部直接算进去1,头部利用虚拟节点来算出来1即可
情况三:单调坡中有平坡
这种情况就会出现错误,如果pre一直跟着cur,所以会多一个,因此我们只需要将遇到摆动后,记录一下坡的方向就可以了,不需要实时更新
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size()==1) return 1;
int prediff = 0; //头节点和虚拟头结点相减得到的
int curdiff = 0;
int result = 1; //默认右端有一个坡度,也可以防止cur的下标越界,所以默认右边有一个坡度
for(int i =0 ; i< nums.size()-1 ; i++)
{
curdiff = nums[i+1] - nums[i];
if((prediff>= 0 && curdiff< 0)|| (prediff<=0 && curdiff >0))
{
result++;
prediff = curdiff ; //将prediff当做一个标记,类似导数。只需要记录坡度向上还是向下即可
}
}
return result;
}
};
53. 最大子序和
解题思路
贪心贪在,我们是连续和+nums[i],如果当连续和为负数,那么就应该将nums[i]作为新连续和,因为前面是负数,只会拖累后面的数
局部最优:连续和为负数就抛弃,选择下一个数作为起点,(并不是遇到负数就抛弃,我们这样操作是因为有一个result维护最大值,记录局部最大值,因此不会对结果有影响)
全部最优:就是找到最大连续子数组的和
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = INT32_MIN;
int count = 0 ; //记录连续和
for(int i=0;i<nums.size();i++)
{
count+= nums[i];
result = result>count ? result : count ; //全是负数也会更新,因为result是设置的最小值
if(count < 0) count = 0; //重新选取最大连续和
}
return result;
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(1)
收获
贪心有点难,继续加油