代码随想录算法训练营day31 | 455.分发饼干、376. 摆动序列、53. 最大子序和

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
贪心算法没有固定的套路，手动模拟一下可以从局部最优推出整体最优，而且想不出反例，那就试一试贪心。严格的数学证明比较复杂，暂不考虑

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

455.分发饼干

大饼干满足大胃口，倒序遍历。
如何确定for循环的是胃口还是饼干？
如果for循环的是饼干，当前的胃口大于饼干，不满足条件，则饼干会走到更小值，更不会满足条件，但实际是有更小胃口的可能被满足，因此出现错误
如果for循环的是胃口，当前的胃口大于饼干，不满足条件，此时的饼干是最大的，这个胃口以后不可能被满足，因此胃口继续往小的走，寻找可能被这个最大饼干满足的胃口

class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        g.sort()
        s.sort()
        result = 0
        index = len(s) - 1
        for i in range(len(g)-1, -1, -1):
            if index >= 0 and g[i] <= s[index]:
                result += 1
                index -= 1
        return result

376. 摆动序列

要考虑的情况比较多

• 上下坡中有平坡
• 首尾元素
• 单调坡中有平坡

代码很简单，但是考虑的东西并不少，得多学习

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        prediff = 0
        result = 1
        for i in range(len(nums)-1):
            curdiff = nums[i+1] - nums[i]
            if (prediff >= 0 and curdiff < 0) or (prediff <= 0 and curdiff > 0):
                result += 1
                prediff = curdiff
        return result

53. 最大子序和

如果当前值之和为负数，那么直接舍弃，因为负数会拉低后面的数

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        result = float('-inf')
        count = 0
        for num in nums:
            count += num
            result = max(result, count)
            if count <= 0:
                count = 0
        return result