贪心算法大体上就是用多个局部优化组合成整体优化,今天的题不难
455. Assign Cookies
这道题很直接,基本上就是用双指针进行一下匹配
Way1:
对饼干进行循环,找到每个饼干能符合到哪,输出对应的最终的人的数组的index即可
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
s.sort()
g.sort()
res=0
for i in range(len(s)):
if res < len(g) and s[i]>=g[res]:
res+=1
return res
376. Wiggle Subsequence
这道题也可以是贪心算法,主要是是看当前是不是拐点即可
Way1:
当前的差值与上次的差值进行相乘从而判断是不是单调,同时当前的差值不能是0,如果满足这个条件则把res+=1.
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
pre,cur,res=0,0,1
for i in range(1,len(nums)):
cur=nums[i]-nums[i-1]
if cur*pre<=0 and cur!=0:
res+=1
pre=cur
return res
Way2:
利用dp的状态转换,up和down数组分别计数。如果当前比之前大,则up就是上次的down+1,当前down与上次down相同 反之则down是之前的up+1,up与之前的up相同。最终取最值
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
n=len(nums)
up=[1 for _ in range(n)]
down =[1 for _ in range(n)]
for i in range(1,n):
if nums[i] >nums[i-1]:
up[i]=down[i-1]+1
down[i]=down[i-1]
elif nums[i] <nums[i-1]:
up[i]=up[i-1]
down[i]=up[i-1]+1
else:
up[i]=up[i-1]
down[i]=down[i-1]
return max(up[-1],down[-1])
53. Maximum Subarray
这道题还可以是贪心算法
Way1:
算一个直到当前的count,如果count小于0则重新开始计算,过程中取最大的count作为最终的值
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
pre,cur,res=0,0,1
for i in range(1,len(nums)):
cur=nums[i]-nums[i-1]
if cur*pre<=0 and cur!=0:
res+=1
pre=cur
return res
Way2:
用dp,每次dp=max(nums[i],nums[i]+dp[i-1]),求最大的dp
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
dp=[0 for _ in range(len(nums))]
dp[0]=nums[0]
for i in range(1,len(nums)):
dp[i]=max(nums[i],nums[i]+dp[i-1])
return max(dp)