简单题
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
这里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。
这里使用小饼干先喂饱小胃口
class Solution {
public int findContentChildren(int[] g, int[] s) {
Arrays.sort(g);
Arrays.sort(s);
int res = 0;
int index = 0;
for(int i = 0; i < s.length && index < g.length; i++){
if(s[i] >= g[index]){
res++;
index++;
}
}
return res;
}
}
首先子序列的定义
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。
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。
但本题要考虑三种情况:
- 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
情况一:上下坡中有平坡
统一删除左边的3个2
所以纪录峰值的条件是
(preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)
情况二:数组首尾两端
如果只有两个不同的元素,那摆动序列也是 2。
但是我们之前的记录峰值的条件至少需要3个节点才能计算
这里我们可以写死,就是 如果只有两个元素,且元素不同,那么结果为 2。
不写死的话,如何和我们的判断规则结合在一起呢?
针对以上情形,result 初始为 1(默认最右面有一个峰值),此时 curDiff > 0 && preDiff <= 0,那么 result++(计算了左面的峰值),最后得到的 result 就是 2(峰值个数为 2 即摆动序列长度为 2)
情况三:单调坡度有平坡
我们只需要在 这个坡度 摆动变化的时候,更新 prediff 就行,这样 prediff 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。
class Solution {
public int wiggleMaxLength(int[] nums) {
int prediff = 0;
int curdiff = 0;
int res = 1;
for(int i = 0; i < nums.length - 1; i++){
curdiff = nums[i+1] - nums[i];
if( (prediff >= 0 && curdiff < 0) || (prediff <= 0 && curdiff > 0)){
res++;
prediff = curdiff;
}
}
return res;
}
}
子数组 区别于子序列
子数组 是数组中的一个连续部分
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”
局部最优的情况下,并记录最大的“连续和”,可以推出全局最优。
从代码角度上来讲:遍历 nums,从头开始用 count 累积,如果 count 一旦加上 nums[i]变为负数,那么就应该从 nums[i+1]开始从 0 累积 count 了,因为已经变为负数的 count,只会拖累总和。
区间的终止位置,其实就是如果 count 取到最大值了,及时记录下来了
sum = Math.max(sum, count);
class Solution {
public int maxSubArray(int[] nums) {
int sum = Integer.MIN_VALUE;
int count = 0;
for(int i = 0; i < nums.length; i++){
count += nums[i];
sum = Math.max(sum, count);
if(count < 0){
count = 0;
}
}
return sum;
}
}