代码随想录第三十一天——分发饼干，摆动序列，最大子序和

贪心算法理论基础

• 贪心的本质是选择每一阶段的局部最优，从而达到全局最优
• 贪心算法并没有固定的套路，说白了就是常识性推导加上举反例。
• 验证是否可以使用贪心算法的策略是举反例，如果找不到反例，就可以试一试贪心算法。
• 贪心算法一般分为如下四步：
  1. 将问题分解为若干个子问题
  2. 找出适合的贪心策略
  3. 求解每一个子问题的最优解
  4. 将局部最优解堆叠成全局最优解

leetcode 455. 分发饼干

题目链接：分发饼干

版本一：

大尺寸的饼干既可以满足胃口大的孩子也可以满足胃口小的孩子，那么就应该优先满足胃口大的。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。
遍历顺序：先遍历胃口，后遍历饼干，从大到小遍历。

class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(), g.end());
        sort(s.begin(), s.end());
        int index = s.size() - 1; // 饼干数组的下标
        int result = 0;
        for (int i = g.size() - 1; i >= 0; i--) //遍历胃口
        { 
            if (index >= 0 && s[index] >= g[i]) //遍历饼干，index控制饼干数组的遍历，遍历饼干没有再起一个for 循环，而是采用自减的方式
            {   
                result++;
                index--;
            }
        }
        return result;
    }
};

时间复杂度：O(nlogn)
空间复杂度：O(1)

版本二：

另一个思路是小饼干先喂饱小胃口，此时遍历顺序发生了变化：先遍历饼干，再遍历胃口，从小到大遍历。

class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(),g.end());
        sort(s.begin(),s.end());
        int index = 0;
        for(int i = 0; i < s.size(); i++) { // 饼干
            if(index < g.size() && g[index] <= s[i]){ // 胃口
                index++;
            }
        }
        return index;
    }
};

时间复杂度：O(nlogn)
空间复杂度：O(1)

leetcode 376. 摆动序列

题目链接：摆动序列
局部最优：删除单调坡度上的节点（不包括单调坡度两端的节点），那么这个坡度就可以有两个局部峰值。
整体最优：整个序列有最多的局部峰值，从而达到最长摆动序列。
本题求的是最长摆动子序列的长度，所以只需要统计数组的峰值数量就可以了。
计算是否有峰值的时候，遍历的下标 i ，计算 prediff（nums[i] - nums[i-1]） 和 curdiff（nums[i+1] - nums[i]），如果prediff < 0 && curdiff > 0 或者 prediff > 0 && curdiff < 0 就有波动就需要统计。

本题还需要考虑以下三种情况：

• 情况一：上下坡中有平坡
• 情况二：数组首尾两端
• 情况三：单调坡中有平坡

class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        if (nums.size() <= 1) return nums.size();
        int curDiff = 0; // 当前一对差值
        int preDiff = 0; // 前一对差值
        int result = 1;  // 记录峰值个数，序列默认序列最右边有一个峰值，考虑到情况二
        for (int i = 0; i < nums.size() - 1; i++) {
            curDiff = nums[i + 1] - nums[i];
            // 出现峰值
            if ((preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)) //等号是考虑到情况一
             {
                result++;
                preDiff = curDiff; // 注意这里，只在摆动变化的时候更新prediff，考虑到情况三
            }
        }
        return result;
    }
};

leetcode 53. 最大子序和

题目链接：最大子序和
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”

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int res = INT32_MIN;
        int count = 0;
        for (int i = 0; i < nums.size(); i++) {
            count += nums[i];
            if (count > res) { //取区间累计的最大值（相当于不断确定最大子序终止位置）
                res = count;
            }
            if (count <= 0) 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
        }
        return res;
    }
};

时间复杂度：O(n)
空间复杂度：O(1)