假设你是一位很棒的家长,想要给你的孩子们一些小饼干。但是,每个孩子最多只能给一块饼干。
对每个孩子 i,都有一个胃口值 g[i],这是能让孩子们满足胃口的饼干的最小尺寸;并且每块饼干 j,都有一个尺寸 s[j] 。如果 s[j] >= g[i],我们可以将这个饼干 j 分配给孩子 i ,这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子,并输出这个最大数值。
来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/assign-cookies
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。
排序+贪心
为了满足更多的小孩,就不要造成饼干尺寸的浪费。
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。
可以尝试使用贪心策略,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。
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
//给小孩和饼干数组分别排序,按照从小到大的顺序
sort(g.begin(),g.end());
sort(s.begin(),s.end());
//我们的目的是大饼干优先满足胃口大的,并统计满足的小孩数量。
//所以我们应该固定饼干,去找该固定的饼干能满足的小孩尺寸是哪一个。
//因此我们便利的是小孩数组,直到找到s[index] >= g[i]
int index = s.size() - 1;
int result = 0; //满足的小孩数量
for(int i = g.size() - 1; i >= 0; --i){
//if语句说明当前固定的饼干,找到了它能满足的小孩尺寸
if(index >= 0 && s[index] >= g[i]){
++result; //结果值+1
--index; //继续固定下一块饼干
}
}
return result;
}
//时间复杂度:O(m log m+n log n),其中 m和n分别是数组g和s的长度。对两个数组排序的时间复杂度是O(mlogm + nlog n),遍历数组的时间复杂度是O(m+n),因此总时间复杂度是O(m log m + n log n)。
//空间复杂度:O(log m + logn),其中 m和n分别是数组g和s的长度。空间复杂度主要是排序的额外空间开销。
};
也可以换一个思路,小饼干先喂饱小胃口
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
//给小孩和饼干数组分别排序,按照从小到大的顺序
sort(g.begin(),g.end());
sort(s.begin(),s.end());
//我们的目的是小饼干优先满足胃口小的,并统计满足的小孩数量。
//所以我们应该固定孩子,去找能满足该固定的孩子尺寸的饼干是哪一个。
//因此我们遍历的是饼干数组,直到找到s[i] >= g[index]
int index = 0;
int s_nums = s.size(); //饼干数组的大小
int g_nums = g.size(); //孩子数组的大小
int result = 0; //满足孩子的数量
for(int i = 0; i < s_nums; ++i){
//if说明找到了满足当前固定孩子尺寸的饼干
if(index < g_nums && s[i] >= g[index]){
++result; //结果值+1
++index; //继续固定下一个孩子
}
}
return result;
}
//时间复杂度:O(m log m+n log n),其中 m和n分别是数组g和s的长度。对两个数组排序的时间复杂度是O(mlogm + nlog n),遍历数组的时间复杂度是O(m+n),因此总时间复杂度是O(m log m + n log n)。
//空间复杂度:O(log m + logn),其中 m和n分别是数组g和s的长度。空间复杂度主要是排序的额外空间开销。
};