代码随想录第十九天：贪心算法、分发饼干、摆动序列、最大子序列和

1.分发饼干

题目链接：. - 力扣（LeetCode）

讲解链接：代码随想录 (programmercarl.com)

题目链接：贪心算法，你想先喂哪个小孩？| LeetCode：455.分发饼干_哔哩哔哩_bilibili

 贪心算法就是要在所有局部做到最优，以在整体完成最优的算法。

本题的局部最优解是要让最大尺寸的饼干分给需求最大的孩子，以免浪费。

因此可以从后向前遍历两个数组，饼干数组如果大于等于当前孩子数组，就让其索引减小。

代码如下：

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;
        int result = 0;
        for (int i = g.size() - 1; i >= 0; --i) {
            if (index >= 0 && s[index] >= g[i]){
                index--;
                result++;
            }
        }
        return result;
    }
};

2.摆动序列

题目链接：. - 力扣（LeetCode）

讲解链接：代码随想录 (programmercarl.com)

题目链接：贪心算法，寻找摆动有细节！| LeetCode：376.摆动序列_哔哩哔哩_bilibili

 本题定义两个差值，分别前一个数和当前数的差和当前数与后一个数的差，当这两个差异号时就将结果加一。先计算后差，然后与前差比较，然后再让前差等于后差如此循环。但是要考虑以下三种特殊情况：

1.上下坡中有平坡

 此时定义仅考虑最右边的数，在判断条件的前差条件加上=0的情况就可以包括这一情况，即最右边的2前差虽然是0，并不与后差异号，但是也要统计到结果中。

2.仅有两个元素

此时无法计算前后差，此时可以假设前面还有一个和左边元素相同的元素。让result初始为1，同时前差默认为0，这样就可以用正常的代码逻辑来计算。

3.单调坡度有平坡

 这种情况保证坡度摆动时再变化前差即可

代码如下：

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
        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)) {
                result++;
                preDiff = curDiff; // 注意这里，只在摆动变化的时候更新prediff
            }
        }
        return result;
    }
};

3.最大子序列和

题目链接：. - 力扣（LeetCode）

讲解链接：代码随想录 (programmercarl.com)

题目链接：贪心算法的巧妙需要慢慢体会！LeetCode：53. 最大子序和_哔哩哔哩_bilibili

本题自然的思路时，先让结果为最小值，当当前和大于结果时更新结果。

关键思想是，当前和小于0时，要抛弃当前集合直接从下一个元素开始，因为负数一定会让和减小。

代码如下：

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int result = INT32_MIN;
        int count = 0;
        for (int i = 0; i < nums.size(); i++) {
            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) 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 result;
    }
};