训练营第四十三天| 455.分发饼干376. 摆动序列53. 最大子序和122.买卖股票的最佳时机 II55. 跳跃游戏45.跳跃游戏 II1005.K次取反后最大化的数组和

贪心

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。

什么时候用贪心

如何通过局部最优，推出整体最优。

那么如何能看出局部最优是否能推出整体最优呢？

最好用的策略就是举反例，如果想不到反例，那么就试一试贪心吧。

还可以数学证明，有如下两种方法：

• 数学归纳法
• 反证法

贪心一般解题步骤

贪心算法一般分为如下四步：

• 将问题分解为若干个子问题
• 找出适合的贪心策略
• 求解每一个子问题的最优解
• 将局部最优解堆叠成全局最优解

做题的时候，只要想清楚局部最优 是什么，如果推导出全局最优，其实就够了。

455.分发饼干

力扣题目链接(opens new window)

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。

示例  1:

• 输入: g = [1,2,3], s = [1,1]
• 输出: 1 解释:你有三个孩子和两块小饼干，3 个孩子的胃口值分别是：1,2,3。虽然你有两块小饼干，由于他们的尺寸都是 1，你只能让胃口值是 1 的孩子满足。所以你应该输出 1。

示例  2:

• 输入: g = [1,2], s = [1,2,3]
• 输出: 2
• 解释:你有两个孩子和三块小饼干，2 个孩子的胃口值分别是 1,2。你拥有的饼干数量和尺寸都足以让所有孩子满足。所以你应该输出 2.

提示：

• 1 <= g.length <= 3 * 10^4
• 0 <= s.length <= 3 * 10^4
• 1 <= g[i], s[j] <= 2^31 - 1

思路

先排序，然后遍历饼干，用饼干优先喂饱小胃口的同学。代码如下：

class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(), g.end());
        sort(s.begin(), s.end());
        int j = 0;
        for (int i = 0; i < s.size(); i++) {
            if (j < g.size() && g[j] <= s[i]) j++;           
        }
        return j;
    }
};

• 时间复杂度：O(nlogn)
• 空间复杂度：O(1)

376. 摆动序列

力扣题目链接(opens new window)

如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为摆动序列。第一个差（如果存在的话）可能是正数或负数。少于两个元素的序列也是摆动序列。

例如， [1,7,4,9,2,5] 是一个摆动序列，因为差值 (6,-3,5,-7,3)  是正负交替出现的。相反, [1,4,7,2,5]  和  [1,7,4,5,5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。

给定一个整数序列，返回作为摆动序列的最长子序列的长度。 通过从原始序列中删除一些（也可以不删除）元素来获得子序列，剩下的元素保持其原始顺序。

示例 1:

• 输入: [1,7,4,9,2,5]
• 输出: 6
• 解释: 整个序列均为摆动序列。

示例 2:

• 输入: [1,17,5,10,13,15,10,5,16,8]
• 输出: 7
• 解释: 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。

示例 3:

• 输入: [1,2,3,4,5,6,7,8,9]
• 输出: 2

思路

贪心法

要找到给定整数数组中最长的摆动子序列，可以使用贪心算法来解决。核心思想是：在遍历数组时，记录当前的上升和下降序列的长度，并根据相邻元素的差值更新这些长度。这样可以确保每一步都在构建一个有效的摆动序列。

class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        if (nums.size() < 2) return nums.size();
        
        int up = 1, down = 1;
        
        for (int i = 1; i < nums.size(); i++) {
            if (nums[i] > nums[i - 1]) {
                up = down + 1;
            } else if (nums[i] < nums[i - 1]) {
                down = up + 1;
            }
        }       
        return max(up, down);
    }
};

53. 最大子序和

力扣题目链接(opens new window)

给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

示例:

• 输入: [-2,1,-3,4,-1,2,1,-5,4]
• 输出: 6
• 解释:  连续子数组  [4,-1,2,1] 的和最大，为  6。

思路：

初始化：

• 用两个变量来追踪子数组的和：maxCur 和 maxGlobal。
• maxCur 表示以当前元素结尾的子数组的最大和。
• maxGlobal 表示到目前为止找到的所有子数组中的最大和。

• 重新开始一个子数组：
  • 当一个元素 nums[i] 本身比 maxCur + nums[i] 大时，说明从当前元素开始一个新的子数组更优，因为之前的和是负值或零，会降低总和。
• 保持全局最大和：
  • 在每一步都要检查当前的子数组和是否超过了我们之前记录的最大和，这样可以确保最终的 maxGlobal 是所有可能子数组和中的最大值。

class Solution {
public:
    int maxSubArray(vector<int>& nums) {
        int maxCur = nums[0], maxGlobal = nums[0];
        for (int i = 1; i < nums.size(); i++) {
            maxCur = max(maxCur + nums[i], nums[i]);
            maxGlobal = max(maxGlobal, maxCur);
        }
        return maxGlobal;
    }
};

122.买卖股票的最佳时机 II

力扣题目链接(opens new window)

给定一个数组，它的第  i 个元素是一支给定股票第 i 天的价格。

设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易（多次买卖一支股票）。

注意：你不能同时参与多笔交易（你必须在再次购买前出售掉之前的股票）。

示例 1:

• 输入: [7,1,5,3,6,4]
• 输出: 7
• 解释: 在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4。随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6-3 = 3 。

示例 2:

• 输入: [1,2,3,4,5]
• 输出: 4
• 解释: 在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5-1 = 4 。注意你不能在第 1 天和第 2 天接连购买股票，之后再将它们卖出。因为这样属于同时参与了多笔交易，你必须在再次购买前出售掉之前的股票。

示例  3:

• 输入: [7,6,4,3,1]
• 输出: 0
• 解释: 在这种情况下, 没有交易完成, 所以最大利润为 0。

提示：

• 1 <= prices.length <= 3 * 10 ^ 4
• 0 <= prices[i] <= 10 ^ 4

 思路：

要解决这个问题，需要在每个可能的买卖时机计算利润，并累加所有正利润。可以通过一次遍历的方法实现这一点，比较当前价格和前一天价格之间的差值，如果差值为正，就将其加到总利润中。这样可以确保在每个可能获利的机会点都进行买卖操作。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
      int maxprof = 0;
      for (int i = 1; i < prices.size(); i++) {
        maxprof += max(prices[i] - prices[i - 1], 0);
      }
      return maxprof;
    }
};

55. 跳跃游戏

力扣题目链接(opens new window)

给定一个非负整数数组，你最初位于数组的第一个位置。

数组中的每个元素代表你在该位置可以跳跃的最大长度。

判断你是否能够到达最后一个位置。

示例  1:

• 输入: [2,3,1,1,4]
• 输出: true
• 解释: 我们可以先跳 1 步，从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。

示例  2:

• 输入: [3,2,1,0,4]
• 输出: false
• 解释: 无论怎样，你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 ， 所以你永远不可能到达最后一个位置。

思路：

不一定非要明确一次究竟跳几步，每次取最大的跳跃步数，这个就是可以跳跃的覆盖范围。

这个范围内，别管是怎么跳的，反正一定可以跳过来。

那么这个问题就转化为跳跃覆盖范围究竟可不可以覆盖到终点！

每次移动取最大跳跃步数（得到最大的覆盖范围），每移动一个单位，就更新最大覆盖范围。

贪心算法局部最优解：每次取最大跳跃步数（取最大覆盖范围），整体最优解：最后得到整体最大覆盖范围，看是否能到终点。

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int cover = 0;
        if (nums.size() == 1) return true; // 只有一个元素，就是能达到
        for (int i = 0; i <= cover; i++) { // 注意这里是小于等于cover
            cover = max(i + nums[i], cover);
            if (cover >= nums.size() - 1) return true; // 说明可以覆盖到终点了
        }
        return false;
    }
};

45.跳跃游戏 II

力扣题目链接(opens new window)

给定一个非负整数数组，你最初位于数组的第一个位置。

数组中的每个元素代表你在该位置可以跳跃的最大长度。

你的目标是使用最少的跳跃次数到达数组的最后一个位置。

示例:

• 输入: [2,3,1,1,4]
• 输出: 2
• 解释: 跳到最后一个位置的最小跳跃数是 2。从下标为 0 跳到下标为 1 的位置，跳  1  步，然后跳  3  步到达数组的最后一个位置。

说明: 假设你总是可以到达数组的最后一个位置。

思路：

局部最优：当前可移动距离尽可能多走，如果还没到终点，步数再加一。整体最优：一步尽可能多走，从而达到最少步数。

从覆盖范围出发，不管怎么跳，覆盖范围内一定是可以跳到的，以最小的步数增加覆盖范围，覆盖范围一旦覆盖了终点，得到的就是最少步数！

这里需要统计两个覆盖范围，当前这一步的最大覆盖和下一步最大覆盖。

如果移动下标达到了当前这一步的最大覆盖最远距离了，还没有到终点的话，那么就必须再走一步来增加覆盖范围，直到覆盖范围覆盖了终点。

class Solution {
public:
    int jump(vector<int>& nums) {
        if (nums.size() == 1) return 0;
        int curr_end = 0, jumps = 0, next_end = 0; 
        for (int i = 0; i < nums.size(); i++) {
            next_end = max(next_end, i + nums[i]);
            if (i == curr_end) {
                curr_end = next_end;
                jumps++;
            }
            if(curr_end >= nums.size() - 1) break;
        }
        return jumps;

    }
};

1005.K次取反后最大化的数组和

力扣题目链接(opens new window)

给定一个整数数组 A，我们只能用以下方法修改该数组：我们选择某个索引 i 并将 A[i] 替换为 -A[i]，然后总共重复这个过程 K 次。（我们可以多次选择同一个索引 i。）

以这种方式修改数组后，返回数组可能的最大和。

示例 1：

• 输入：A = [4,2,3], K = 1
• 输出：5
• 解释：选择索引 (1) ，然后 A 变为 [4,-2,3]。

示例 2：

• 输入：A = [3,-1,0,2], K = 3
• 输出：6
• 解释：选择索引 (1, 2, 2) ，然后 A 变为 [3,1,0,2]。

示例 3：

• 输入：A = [2,-3,-1,5,-4], K = 2
• 输出：13
• 解释：选择索引 (1, 4) ，然后 A 变为 [2,3,-1,5,4]。

提示：

• 1 <= A.length <= 10000
• 1 <= K <= 10000
• -100 <= A[i] <= 100

思路： 

贪心法，首先将数组从小到大排序，遍历数组将负数变为正数，如果k还有余，则反复改变绝对值最小的数，最后求和。其中要特别注意，翻转的是绝对值最小的数。

class Solution {
public:
    int largestSumAfterKNegations(vector<int>& nums, int k) {
        sort(nums.begin(), nums.end());  // 先对数组进行排序
        for (int i = 0; i < nums.size() && k > 0; ++i) {
            if (nums[i] < 0) {
                nums[i] = -nums[i];  // 把负数变成正数
                k--;
            }
        }
        // 如果k还剩余且为奇数，再反转一次绝对值最小的数
        if (k % 2 == 1) {
            *min_element(nums.begin(), nums.end()) *= -1;
        }
        return accumulate(nums.begin(), nums.end(), 0);  // 计算数组的和
    }
};

134. 加油站

力扣题目链接(opens new window)

在一条环路上有 N 个加油站，其中第 i 个加油站有汽油 gas[i] 升。

你有一辆油箱容量无限的的汽车，从第 i 个加油站开往第 i+1 个加油站需要消耗汽油 cost[i] 升。你从其中的一个加油站出发，开始时油箱为空。

如果你可以绕环路行驶一周，则返回出发时加油站的编号，否则返回 -1。

说明:

• 如果题目有解，该答案即为唯一答案。
• 输入数组均为非空数组，且长度相同。
• 输入数组中的元素均为非负数。

示例 1: 输入:

• gas = [1,2,3,4,5]
• cost = [3,4,5,1,2]

输出: 3 解释:

• 从 3 号加油站(索引为 3 处)出发，可获得 4 升汽油。此时油箱有 = 0 + 4 = 4 升汽油
• 开往 4 号加油站，此时油箱有 4 - 1 + 5 = 8 升汽油
• 开往 0 号加油站，此时油箱有 8 - 2 + 1 = 7 升汽油
• 开往 1 号加油站，此时油箱有 7 - 3 + 2 = 6 升汽油
• 开往 2 号加油站，此时油箱有 6 - 4 + 3 = 5 升汽油
• 开往 3 号加油站，你需要消耗 5 升汽油，正好足够你返回到 3 号加油站。
• 因此，3 可为起始索引。

示例 2: 输入:

• gas = [2,3,4]

• cost = [3,4,3]

• 输出: -1

• 解释: 你不能从 0 号或 1 号加油站出发，因为没有足够的汽油可以让你行驶到下一个加油站。我们从 2 号加油站出发，可以获得 4 升汽油。 此时油箱有 = 0 + 4 = 4 升汽油。开往 0 号加油站，此时油箱有 4 - 3 + 2 = 3 升汽油。开往 1 号加油站，此时油箱有 3 - 3 + 3 = 3 升汽油。你无法返回 2 号加油站，因为返程需要消耗 4 升汽油，但是你的油箱只有 3 升汽油。因此，无论怎样，你都不可能绕环路行驶一周。

思路：

• 总油量检查：
  • 首先需要确定整个环路上油量是否充足。即，所有加油站提供的总油量 sum(gas) 应该大于或等于总的油耗量 sum(cost)。如果不满足这个条件，直接返回 -1。
• 逐步检查每个加油站：
  • 初始化三个变量：total_tank 用于记录总的油量差值，curr_tank 用于记录当前油量差值，starting_station 用于记录当前的起点。
  • 遍历所有加油站，计算从当前加油站出发，到下一个加油站后的剩余油量。
  • 如果在某个加油站 i，当前油量差值 curr_tank 小于0，说明从当前起点到这个加油站之间的油量是不够的。因此，起点不能是当前的 starting_station，我们需要将起点更新为下一个加油站 i+1，并重置当前油量差值 curr_tank 为0。

class Solution {
public:
    int canCompleteCircuit(vector<int>& gas, vector<int>& cost) {
    int total_tank = 0, curr_tank = 0, starting_station = 0;
    for (int i = 0; i < gas.size(); ++i) {
        total_tank += gas[i] - cost[i];
        curr_tank += gas[i] - cost[i];
        if (curr_tank < 0) {
            starting_station = i + 1;
            curr_tank = 0;
        }
    }
    return total_tank >= 0 ? starting_station : -1;
        

    }
};