【贪心算法】Leetcode 455.分发饼干 376. 摆动序列 53. 最大子数组和

455 分发饼干

---------------🎈🎈题目链接🎈🎈-------------------

局部最优推全局最优：尽量用大饼干去满足大胃口的小朋友

class Solution {
    public int findContentChildren(int[] g, int[] s) {
        // 贪心
        // 局部最优推全局最优：尽量用大饼干去满足大胃口的小朋友
        if(s.length == 0) return 0;
        int result = 0;
        Arrays.sort(g);
        Arrays.sort(s);

        // 遍历小孩胃口g[i]
        int start = s.length - 1;
        for(int i = g.length-1; i >=0; i--){
            if(start >= 0 && g[i] <= s[start]){
                result++;
                start--;
            }
        }
        return result;
    }
}  

时间复杂度：

对两个数组进行排序的时间复杂度为 O(n log n)，其中 n 分别为小孩胃口数组 g 和饼干数组 s 的长度。
在最坏情况下，遍历两个数组的时间复杂度为 O(n)，其中 n 是小孩胃口数组 g 的长度。
因此，总的时间复杂度为 O(n log n)。

空间复杂度：

除了输入数组 g 和 s 外，额外使用了常量空间进行迭代和计算。
因此，总的空间复杂度为 O(1)。

---

376. 摆动序列【规律很多】

一正一负 找到一个峰值：(pre>=0 && cur<0) || (pre<=0 && cur>0)。result++，遇到波动点就更新pre的值为cur
设定开头pre = 0：即原本是2-5，模拟为2-2-5 这样可以保证计算到开头的节点也算波动点。
设定开头cur = 0 ，但是随后循环中就赋值了 cur = nums[i+1] - nums[i]

思想：注意考虑一个坡度留首尾两个点、平坡、首尾

class Solution {
    public int wiggleMaxLength(int[] nums) {
// 贪心  一个坡度上只留首位两个点
// 考虑平坡的时候
 	// 考虑单调有平坡 : 左右留一个就行 pre>=0 && cur<0 || pre<=0 && cur>0
	// 考虑上下中间有平坡 ：只需要在 坡度摆动变化的时候，更新 pre 就行，
		这样 pre 在 单调区间有平坡的时候 就不会发生变化，造成我们的误判
// 考虑首尾元素 首尾元素都要计算坡度 尾部直接result本身就为1，首部假定开头pre=0
           

        int result = 1;
        int pre = 0; // 前一段默认先为0 后面遇到波动点的时候赋值为cur
        int cur = 0;
        for(int i = 0; i < nums.length-1; i++){
            cur = nums[i+1] - nums[i];  // 后一段
            if((pre>=0 && cur<0) || (pre<=0 && cur>0)){  // 一正一负就找到一个峰值
                result++;
                pre = cur;  // 即出现波动点才给pre赋值为cur，就可以避免单调中平坡的影响
            } 
        }
      
        return result;
    }
}

53. 最大子数组和【好思想】

题目链接

思想：遍历nums，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”

思想！！！：
如果一部分加和为负数，那么后面再加一个无论什么元素都相当于是减，那么就没必要了
那么就遍历nums，遇到和为负数就重新开始计算加和，
没遇到的时候：如果加和结果大于result就给result赋值 最后返回result
注意这里用了int result = Integer.MIN_VALUE; 保证了若数组都为负数，result记录的就是最大的负数。

class Solution {
    public int maxSubArray(int[] nums) {
        // 贪心算法，
        // 如果一部分加和为负数，那么后面再加一个无论什么元素都相当于是减，那么就没必要了
        // 那么就遍历nums，遇到和为负数就重新开始计算加和，没遇到的时候如果加和结果大于result就给result赋值，
        // 最后返回result
        int result = Integer.MIN_VALUE; // 这个很重要 可以保证如果全为负数的时候可以正常输出
        int sum = 0;
        for(int i = 0; i < nums.length; i++){
            sum = sum+nums[i];
            if(sum > result) {  
                result = sum;
            }
            if(sum < 0){ // 如果加和小于零那就重新开始 因为后面再加没必要了
                sum = 0;
            }    
        }
        return result; // 最后返回的result就是最大的
    }
}

---