贪心算法——代码随想录

学习目的
1.理解这种经典算法的基础理论和应用场景
2.利用算法解决实际问题

（一）贪心算法解决的问题
数学归纳法；
反证法。

（二）回溯算法的基础
一般解题的步骤
①将问题分为若干个子问题
②求出适合的贪心策略
③求解出每一个子问题的最优解
④将局部最优堆叠为全局最优解

（三）例题
1.分发饼干
分发饼干
（1）题目分析
为了满足更多的小孩，就不要造成饼干的浪费。
子问题：从后向前用饼干依次满足小孩的胃口。
因为满足大胃口小孩的饼干一定能满足小胃口小孩的饼干。
（2）代码实现
a.遍历小孩的胃口数组
饼干的数组通过自减方式遍历
b.满足条件就计数的方法

class Solution {
public:
    int findContentChildren(vector<int>& g, vector<int>& s) {
        //首先对两个数组进行排序
        sort(g.begin(),g.end());
        sort(s.begin(),s.end());
        //定义饼干能满足小孩胃口的数组
        int result = 0;
        //数组长度,遍历饼干数组和遍历胃口数组不一样
        //为每个小饼干找满足口最大的小孩
        int size = g.size()-1;
        int index = s.size()-1;
        for(int i = size;i>-1;i--){
            if(index>=0&&s[index]>=g[i]){
                index--;
                result++;
            }
        }
        return result;
    }
};

2.摆动序列
摆动序列
（1）题目分析
求连续递增递减序列的反面；
摆动序列：连续数字之间的差严格地在正数和负数之间交替；
用两个元素反应当前元素与两端元素的插值关系
（2）代码实现
可以通过动态规划和贪心算法求解，但是贪心算法的复杂度更低。
贪心步骤
让峰值尽可能保持峰值，删除单一坡度上的节点

class Solution {
public:
    int wiggleMaxLength(vector<int>& nums) {
        if (nums.size() <= 1) return nums.size();
        int curDiff = 0; // 当前一对差值
        int preDiff = 0; // 前一对差值
        int result = 1;  // 记录峰值个数，序列默认序列最右边有一个峰值
        for (int i = 0; i < nums.size() - 1; i++) {
            curDiff = nums[i + 1] - nums[i];
            // 出现峰值,这里的等号就是把可能出现连续相等的数值情况考虑进去，只需考虑一侧即可
            if ((curDiff > 0 && preDiff <= 0) || (preDiff >= 0 && curDiff < 0)) {
                result++;
                preDiff = curDiff;
            }
        }
        return result;
    }
};