碎碎念:开始贪心!
参考:代码随想录
贪心算法理论基础
贪心算法的本质: 找到每个阶段的局部最优,从而去推导全局最优。
我们要想清楚每个阶段的局部最优解是什么,这个局部最优能不能推出全局最优。
455.分发饼干
题目链接
思想
局部最优就是尽量用大饼干喂胃口大的小孩,推出全局最优就是能满足的小孩数量最多。我们找不出明显的反例来否决这个假设,所以我们用贪心来试试。
首先要将胃口数组和饼干大小数组进行排序。
定义一个变量result来记录满足的小孩个数。定义一个index从size-1开始,方便遍历饼干的大小.
孩子胃口的从大到小遍历,如果index>=0且饼干的大小大于小孩的胃口,result++,index–。
最后返回result即可。
题解
//cpp
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
int index = s.size() - 1;
int result = 0;
for (int i = g.size() - 1; i >= 0; i--) {
if (index >= 0&& s[index] >= g[i]){
result++;
index--;
}
}
return result;
}
};
# python
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 s[index] >= g[i]:
result += 1
index -= 1
return result
反思
不能外面的for循环控制饼干大小,里面控制孩子的胃口大小。
也可以尽量用小饼干去满足小孩,充分利用小饼干。
376. 摆动序列
题目链接
思想
局部最优: 删掉单调坡里的元素
全局最优: 得到了最长的摆动序列
明确摆动的条件,遇到坡度不++,遇到摆动就++,不需要真的去做删除。
如何判断摆动:
比如当前遍历到i,求prediff=nums[i] - nums[i-1],curdiff=nums[i+1]-nums[i],如果prediff>=0且curdiff<0或者prediff<=0且curdiff>0,就说明遇到摆动了。
数组可能的几种情况:
-
上下坡有平坡
选定一个方向删除,本解法是删除了左边的平坡元素,保留了最右边的,体现在代码里就是判断prediff时有等于号。
-
首尾元素
处理首元素,向前延伸一个平坡。体现在代码里就是prediff初始值为0.
处理尾元素,是一只有一个摆动的,所以result初始为1,也就是从一开始就加上 了这个摆动。
这样整个数组只有两个元素的时候也可以正常去遍历。
3. 单调有平坡
prediff只记录当摆动出现的时候下一坡的初始的坡度,直到下次又改变坡度方向才修改prediff,体现在代码里,就是prediff=curdiff写在if的逻辑里。
题解
// cpp
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if (nums.size() <= 1) return nums.size();
int curDiff = 0;
int preDiff = 0;
int result = 1;
for (int i = 0; i < nums.size() - 1; i++) {
curDiff = nums[i + 1] - nums[i];
if ((preDiff <= 0 && curDiff > 0) || (preDiff
>= 0 && curDiff < 0)) {
result++;
preDiff = curDiff;
}
}
return result;
}
};
# python
class Solution:
def wiggleMaxLength(self, nums: List[int]) -> int:
if len(nums) <= 1:
return len(nums)
curDiff = 0
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
反思
注意要把所有情况都分清楚。
53. 最大子序和
题目链接
思想
遍历数组的时候累加连续和,如果累加出来一个负数,一定会把后面的数越加越小,那么我们最好找后面的数字连续和新的起点。
局部最优: 当求到连续和为负数的时候立刻抛弃它,因为负数总会拖累我们的综合。
全局最优: 找到最大连续子序和。
我们找不出反例,所以按照贪心的思路试一下。
只要连续和不为负数的时候就继续往后加。
定义一个result初始化为INT_MIN,count=0;
for循环,遍历nums中的每一个元素,累加nums[i]到count,如果count>result,更新result,如果count是负数,count=0;
返回result。
题解
// cpp
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int result = INT32_MIN;
int count = 0;
for (int i = 0; i < nums.size(); i++) {
count += nums[i];
if (count > result) result = count;
if (count <= 0) count = 0;
}
return result;
}
};
# python
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
result = float('-inf')
count = 0
for i in range(len(nums)):
count += nums[i]
if count > result:
result = count
if count <= 0:
count = 0
return result
反思
注意是连续和为负数时才选择下一个值作为起点,而不是遇到值为负数选择下一个值为起点。