day31 贪心算法 分发饼干 摆动序列 最大子序列和

题目1：455  分发饼干

题目链接：分发饼干
对题目的理解

每个孩子最多只能有1块饼干，g[i]是每个孩子满足胃口的最小饼干尺寸，每个饼干的尺寸是s[j],s[j]>=g[i],满足尽可能多的孩子，至少有一个孩子，至少有0块饼干。

贪心算法

法一：大饼干优先喂大孩子

为了满足更多的小孩，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，使用大饼干满足胃口大的孩子。

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。

先将饼干数组和小孩数组排序。然后从后向前遍历小孩数组，用大饼干优先满足胃口大的，并统计满足小孩数量

代码

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

• 时间复杂度：O(nlogn)
• 空间复杂度：O(1)

用了一个 index 来控制饼干数组的遍历，遍历饼干并没有再起一个 for 循环，而是采用自减的方式，这也是常用的技巧

！！！注意不可以先遍历饼干再遍历胃口，因为有可能胃口很大，超过了饼干的尺寸，那么内层因为不满足if条件，胃口一直停留在最大的那里，而饼干尺寸一直向前移，这样得出的结果是错误的

反例：饼干一直动，胃口不动

法二：小饼干先喂小胃口

遍历顺序是先遍历的饼干，再遍历的胃口

如果先遍历胃口，再遍历饼干，那么可能出现，饼干一直不满足条件，一直比胃口小，那么会出现胃口一直动（会越来越大），饼干不动的现象

反例  胃口一直动，饼干不动

代码

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

• 时间复杂度：O(nlogn)
• 空间复杂度：O(1)

题目2：376 摆动序列

题目链接：摆动序列

对题目的理解

连续数字之间的差在正数和负数之间交替出现，称为摆动序列；仅含一个元素或两个不等元素的序列也是摆动序列；子序列可以从原始序列中删除（或不删除）元素获得，元素的顺序不变

返回整数数组中摆动序列中的最长子序列的长度，数组中至少包含一个元素。

贪心算法

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。

没有必要真的删除数组中的元素，遇到摆动时，做一个加加的操作即可，因为题目要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（相当于是删除单一坡度上的节点，然后统计长度）

这就是贪心所贪的地方，让峰值尽可能的保持峰值，然后删除单一坡度上的节点。

如何判断摆动条件

本题要考虑三种情况：

1.情况一：上下坡中有平坡

2.情况二：数组首尾两端

3.情况三：单调坡中有平坡

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。

伪代码

代码

class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        int result = 1;
        int prediff = 0;
        int curdiff = 0;
        for(int i=0;i<nums.size()-1;i++){
            curdiff = nums[i+1]-nums[i];
            if((prediff>=0 && curdiff<0)||(prediff<=0 && curdiff>0)){
                result++;
                prediff = curdiff;
            }
        }
        return result;
    }
};

• 时间复杂度：O(n)
• 空间复杂度：O(1)

动态规划

本题也可以使用动态规划的方法

题目3：53 最大子序列和

题目链接：最大子序列和

对题目的理解

找出整数数组中具有最大和的连续子数组（至少包含一个元素），返回最大值。

！！！注意题目说的是连续和，注意连续，注意连续，注意连续！！！

贪心算法

连续和为负数，直接从下一个数字计算，若负数加上下一个数则定会让下一个数变小，所以干脆就不加前面的连续和了，从当前位置的数重新算起。

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；只要连续和还是正数就会 对后面的元素 起到增大总和的作用。 所以只要连续和为正数我们就保留。

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。

图中黑色箭头表示重新开始遍历

伪代码

代码

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int count=0;//记录连续和
        int result = INT_MIN;//记录最大连续和
        for(int i=0;i<nums.size();i++){
            count += nums[i];
            if(count>result) result = count;
            if(count<0) count = 0;//连续和为负数，重新计算连续和
        }
        return result;
    }
};

• 时间复杂度：O(n)
• 空间复杂度：O(1)

动态规划

本题也可以使用动态规划求解