一、贪心策略
贪心策略:主体思路是由局部最优推出整体最优。对于做题,没有固定的套路和模板,子集动手模拟一下是否能由局部最优推出整体最优,而且想不到反例,那就试一试贪心:
- 将问题分解为若干个子问题
- 找出适合的贪心策略
- 求解每一个子问题的最优解
- 将局部最优解堆叠成全局最优解
如果不能的话,则从全局考虑,使用动态规划的思想。
二、分发饼干
2.1 题目
假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。对每个孩子 i
,都有一个胃口值 g[i]
,这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j
,都有一个尺寸 s[j]
。如果 s[j] >= g[i]
,我们可以将这个饼干 j
分配给孩子 i
,这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子,并输出这个最大数值。
示例 1:
输入: g = [1,2,3], s = [1,1] 输出: 1 解释: 你有三个孩子和两块小饼干,3个孩子的胃口值分别是:1,2,3。 虽然你有两块小饼干,由于他们的尺寸都是1,你只能让胃口值是1的孩子满足。 所以你应该输出1。
示例 2:
输入: g = [1,2], s = [1,2,3] 输出: 2 解释: 你有两个孩子和三块小饼干,2个孩子的胃口值分别是1,2。 你拥有的饼干数量和尺寸都足以让所有孩子满足。 所以你应该输出2.
提示:
1 <= g.length <= 3 * 104
0 <= s.length <= 3 * 104
1 <= g[i], s[j] <= 231 - 1
2.2 题目链接
2.3 解题思路和过程想法
(1)解题思路
大饼干可以给胃口小的孩子,也可以给胃口大的孩子;而小饼干只能给胃口小的孩子。为满足尽量多的孩子,将小饼干给胃口小的孩子,大饼干给胃口大的孩子。
为便于用双指针同时遍历与比较,先对两个数组排序。若需求 <= 供给,即符合要求,双指针向后移动;若需求 > 供给,即不符合要求,需增大供给。
(2)过程想法
思路很清晰,代码也比较好写
2.4 代码
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
# 贪心:小的给小的,大的给大的
res = 0
g.sort()
s.sort()
i = 0
j = 0
while i < len(g) and j < len(s):
# 需 <= 供:符合要求,双指针往后移
if g[i] <= s[j]:
res += 1
i += 1
j += 1
# 需 > 供:增大供给
else:
j += 1
return res
三、摆动序列
3.1 题目
如果连续数字之间的差严格地在正数和负数之间交替,则数字序列称为 摆动序列 。第一个差(如果存在的话)可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。
-
例如,
[1, 7, 4, 9, 2, 5]
是一个 摆动序列 ,因为差值(6, -3, 5, -7, 3)
是正负交替出现的。 - 相反,
[1, 4, 7, 2, 5]
和[1, 7, 4, 5, 5]
不是摆动序列,第一个序列是因为它的前两个差值都是正数,第二个序列是因为它的最后一个差值为零。
子序列 可以通过从原始序列中删除一些(也可以不删除)元素来获得,剩下的元素保持其原始顺序。
给你一个整数数组 nums
,返回 nums
中作为 摆动序列 的 最长子序列的长度 。
示例 1:
输入:nums = [1,7,4,9,2,5] 输出:6 解释:整个序列均为摆动序列,各元素之间的差值为 (6, -3, 5, -7, 3) 。
示例 2:
输入:nums = [1,17,5,10,13,15,10,5,16,8] 输出:7 解释:这个序列包含几个长度为 7 摆动序列。 其中一个是 [1, 17, 10, 13, 10, 16, 8] ,各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。
示例 3:
输入:nums = [1,2,3,4,5,6,7,8,9] 输出:2
提示:
1 <= nums.length <= 1000
0 <= nums[i] <= 1000
进阶:你能否用 O(n)
时间复杂度完成此题?
3.2 题目链接
3.3 解题思路和过程想法
(1)解题思路
# 局部最优:删除单调坡度上的中间节点,仅留两端节点
# 整体最优:因为最后只统计个数,所有不需真删,只需求出整个序列最多的局部峰值=单调区间数+1
# 中间峰值:之前非递增,现在递增;之前非递减,现在递减
(2)过程想法
之前一直执着于如何删单调区间的中间节点,没发现它最后要的结果的内在含义
3.4 代码
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
# 局部最优:删除单调坡度上的中间节点,仅留两端节点
# 整体最优:因为最后只统计个数,所有不需真删,只需求出整个序列最多的局部峰值=单调区间个数+1
preFlag = 0
# 统计单调区间的个数
res = 0
for i in range(len(nums)-1):
# 之前非递增,现在递增
if nums[i] > nums[i+1] and preFlag <= 0:
res += 1
# 更新当前的单调状态
preFlag = 1
# 之前非递减,现在递减
elif nums[i] < nums[i+1] and preFlag >= 0:
res += 1
# 更新当前的单调状态
preFlag = -1
# 节点个数比单点区间个数多1
return res+1
四、最大字数组和
4.1 题目
给你一个整数数组 nums
,请你找出一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
子数组 是数组中的一个连续部分。
示例 1:
输入:nums = [-2,1,-3,4,-1,2,1,-5,4] 输出:6 解释:连续子数组 [4,-1,2,1] 的和最大,为 6 。
示例 2:
输入:nums = [1] 输出:1
示例 3:
输入:nums = [5,4,-1,7,8] 输出:23
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
进阶:如果你已经实现复杂度为 O(n)
的解法,尝试使用更为精妙的 分治法 求解。
4.2 题目链接
4.3 解题思路和过程想法
(1)解题思路
# 局部最优:当前“连续和”为负数时,立即放弃,从下一元素重新计算“连续和”
# 整体最优:连取最大“连续和”
# 需注意数组为: -2 -1 的情况
# 当前”连续和“为正数,最大值取max(curSum,maxSum)
# 当前”连续和“为负数,最大值取max(nums[i],maxSum)
(2)过程想法
思路很清晰,代码也比较好写,就是要注意都是负数的情况
4.4 代码
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
# 局部最优:当前“连续和”为负数时,立即放弃,从下一元素重新计算“连续和”
# 整体最优:连取最大“连续和”
curSum = 0
maxSum = nums[0]
for i in range(len(nums)):
curSum += nums[i]
# 连续和为正数,统计最大值
if curSum >= 0:
maxSum = max(curSum,maxSum)
# 连续和为负数,将累加值归零,重新开始累加
# 特殊情况:全是负数如 -2 -1
else:
curSum = 0
maxSum = max(maxSum,nums[i])
return maxSum