代码随想录算法训练营第三十一天|贪心算法理论基础、455.分发饼干、376. 摆动序列、53. 最大子序和

目录

贪心算法理论基础

455.分发饼干

376. 摆动序列 

53. 最大子序和

---

贪心算法理论基础

代码随想录

455.分发饼干

代码随想录

题解思路：

分发饼干一定用饼干数量去匹配胃口大小，因为for循环遍历饼干数量的时候无条件自增遍历，如果饼干数量满足不了胃口时，那么会往后向饼干数量多的自增遍历，去一个一个匹配胃口大小，如果遍历的当前饼干数量满足胃口大小，那么胃口大小才会自增遍历（有条件遍历）。不能用胃口大小去匹配饼干数量，因为for循环遍历胃口大小的时候会无条件往后自增遍历，如果for循环去遍历胃口大小，饼干数量进行动态变化，就会当出现最小的饼干数量满足不了胃口时，那么饼干数量就不会动态变化了，由于是排序后的数组，那么后面比当前胃口还大的肯定也不会满足，饼干数量就不会变化了。

class Solution {
    public int findContentChildren(int[] g, int[] s) {
        int result = 0;
        Arrays.sort(g);
        Arrays.sort(s);

        int index = 0;
        for(int i = 0; i < s.length; i++){
            if(index < g.length && s[i] >= g[index] ){ //充分利用小饼干去满足小胃口
                result++;
                index++;
            }
        }
        return result;
        
    }
}

376. 摆动序列 

代码随想录

题解思路：

摆动序列主要分为以下三种情况：
第一种情况：上下坡有平坡，此时判断为摆动序列的条件是prediff >= 0 && currdiff < 0或者prediff <= 0 && currdiff > 0;
第二种情况：只有一个或者两个元素，此时在判断摆动序列的时候，初始长度初始化为1，直接把尾部元素作为摆动序列了，然后在第一个元素前增加一个平坡（等价于初始化prediff = 0操作），使得可以用统一的判断条件去判断是否为摆动序列；
第三种情况：单调有平坡，此时prediff是不动的，如果prediff一直跟着currdiff变动，就会出现遇到单调有平坡的情况时候，result也会自增1，因此只需要prediff只有当出现摆动序列的时候，才把当前的currdiff赋值给prediff，作为判断下一个摆动序列的起始坡度

class Solution {
    public int wiggleMaxLength(int[] nums) {
        int prediff = 0; //在第一个元素处补一个平坡，如果遇到摆动序列的时候，将当前的currdiff赋值给prediff，作为判断下一个摆动序列的起始坡度
        int result = 1; //初始长度初始化为1，这里直接把尾部元素作为摆动序列了，所有不用判断尾部元素了，判断i - 1个元素即可
        int currdiff;  //记录当前的坡度
        for(int i = 0; i < nums.length - 1; i++){  
            currdiff = nums[i + 1] - nums[i];
            if((prediff >= 0 && currdiff < 0)||(prediff <= 0 && currdiff > 0)){
                result++;
                prediff = currdiff; //prediff只有当出现摆动序列的时候，才把当前的currdiff赋值给prediff，作为判断下一个摆动序列的起始坡度；如果出现单调有平坡坡的时候，prediff是不动的，如果prediff一直跟着currdiff变动，就会出现遇到单调有平坡的情况时候，result也会自增1，因此只需要当遇到摆动序列的时候才变动prediff的值。
            }
        }
        return result;
    }
}

53. 最大子序和

代码随想录

题解思路：

本题注意两个要点：
第一：当连续和为负的时候重新选择起始位置（代码表现为重置count = 0即可），只要出现连续和还是正数就会对后面的元素起到增大总和的作用，需要继续往后累加，遇到负数累加的时候只是把当前累加的值减少了，只要连续累加的和不是负数就没必要重新开始计数，因为这里是不断的在更新result最大子序列和的值，只要有更大的连续和出现，result就会更新的。
第二：先判断是否需要更新最大值，然后再判断当连续和为负重新选择起始位置，从下一个数开始计数。如果先考虑局部最优化连续子序列相加为负数的时候，直接赋值count为0，那么如果全是负数的话，更新的的result就会一直为0，不会返回负数中的最大值，比如[-2,-1],此时输出的就是0。

class Solution {
    public int maxSubArray(int[] nums) {
        int result = Integer.MIN_VALUE; //result 一直在更新最大的连续和，只要有更大的连续和出现，
        int count = 0;
        //数组中只有一个元素的时候
        if(nums.length == 1) return nums[0];
        //数组中的元素大于等于两个的时候
        for(int i = 0; i < nums.length; i++){
            count += nums[i];
            if(count > result) result = count;  //一定先判断是否更新最大值，再去考虑局部最优化。如果先考虑局部最优化连续子序列相加为负数的时候，直接赋值count为0，那么如果全是负数的话，输出的result结果就会一直为0，不会返回负数中的最大值。
            if(count < 0) count = 0; //先更新result值后，再判断当连续和为负重新选择起始位置，从下一个数开始计数，
        }
        return result;
    }
}