22年46周

最近两周刷题不多，因为上周在开题，而且开题的时候可能没弄太好，导致花了几天来调整心态，现在感觉是可以了，所以把这两周刷的题给记录一下，题目不多，重在总结。

这周主要刷了些和贪心相关的题目，都是稍微简单点的，先介绍下贪心的思想：

贪心的思想就是在每一个阶段都去选择最优的，从而达到一个全局的最优解

例如，有一堆钞票，你可以拿走十张，如果想达到最大的金额，你要怎么拿？

指定每次拿最大的，最终结果就是拿走最大数额的钱。

每次拿最大的就是局部最优，最后拿走最大数额的钱就是推出全局最优。

目录

一、分发饼干

二、摆动序列

三、最大子序和

---

一、分发饼干

链接：分发饼干

思路：两个思路，其实从大致面上是一个思路，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。也可以小饼干喂给最小的，从前往后遍历。

func findContentChildren(g []int, s []int) int {
//g[i]最小胃口
//s[i]饼干值
    sort.Ints(g)
    sort.Ints(s)
    sPtr := 0
    gPtr := 0
    all := 0
    for sPtr < len(s) && gPtr < len(g){
        if s[sPtr] >= g[gPtr] {//代表可以分配
            all++
            gPtr++
            sPtr++
            continue
        }
        sPtr++
    }
    return all
}

二、摆动序列

链接：摆动序列

思路：来源于代码随想录：

 

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。

func wiggleMaxLength(nums []int) int {
    res := 1
    if len(nums) == 1 {
        return res
    }
    
    var flag bool

    i := 0
    //先找到第一个带有波动的地方
    for i := 0;i<len(nums)-1;i++ { 
        if nums[i] < nums[i+1] {
            flag = true
            res++
            break
        }
        if nums[i] > nums[i+1] {
            flag = false
            res++
            break
        }
    }

    for ;i<len(nums)-1;i++ { 
        if flag && nums[i] > nums[i+1] {
            flag = false
            res++
        } else if !flag && nums[i] < nums[i+1] {
            flag = true
            res++
        }
    }
    return res
}

三、最大子序和

链接：最大子序和

思路：这道题使劲想想还是可以能和贪心联系到一起的，既然是最大子序列和，在遍历的时候利用双指针，先确定左端点，右指针一点点移动，如果这个子序列是大于零的，那右指针就有往右移动的价值，因为这个子序列目前大于零，就是右指针移动过程中总会得到大于零的一个数，他就还有存在的意义。假如这个子序列小于零，那这个子序列就没有再往右移动的可能性了，因为哪怕他右边的元素都是大于零的，他本身对于接下来的更大的子序列就是一个累赘，所以果断抛弃这个小于零的子序列。

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”

代码：

//暴力循环法,时间通不过
//贪心算法，局部最优解，如果子序列为负数，则放弃这个，从下一个开始
//想左边的序列，只要他小于0了，他就对整个子序列是一个负面影响
func maxSubArray(nums []int) int {
    
    maxSub := -99999
    fast := 0
    sub := 0

    for ;fast<len(nums);fast++ {
        sub += nums[fast]
        if sub > maxSub {
            maxSub = sub
        }
        if sub < 0 {
            sub = 0
        }
    }
    return maxSub
}

四、买卖股票的最佳时机II

链接：买卖股票的最佳时机II

思路：这道题有点脑筋急转弯的意思（只是我这么理解的），只要今天和昨天有收入，那就是可以收割一波的。

数学证明：

如果想到其实最终利润是可以分解的，那么本题就很容易了！

如何分解呢？

假如第0天买入，第3天卖出，那么利润为：prices[3] - prices[0]。

相当于(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。

此时就是把利润分解为每天为单位的维度，而不是从0天到第3天整体去考虑！

那么根据prices可以得到每天的利润序列：(prices[i] - prices[i - 1]).....(prices[1] - prices[0])。

局部最优：收集每天的正利润，全局最优：求得最大利润。

func maxProfit(prices []int) int {
    result := 0 

    for i:=1;i<len(prices);i++ {
        if prices[i] - prices[i-1] > 0 {
            result += prices[i] - prices[i-1]
        }
    }
    return result
}