代码随想录 day 27 贪心

第八章 贪心算法 part01

贪心算法其实就是没有什么规律可言，所以大家了解贪心算法 就了解它没有规律的本质就够了。
不用花心思去研究其规律， 没有思路就立刻看题解。
基本贪心的题目 有两个极端，要不就是特简单，要不就是死活想不出来。
学完贪心之后再去看动态规划，就会了解贪心和动规的区别。

贪心 局部最优解推出全局最优 ，而且想不到反例，那么就试一试贪心
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
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。
贪心没有套路，说白了就是常识性推导加上举反例。

详细布置

理论基础

https://programmercarl.com/%E8%B4%AA%E5%BF%83%E7%AE%97%E6%B3%95%E7%90%86%E8%AE%BA%E5%9F%BA%E7%A1%80.html

455.分发饼干

https://programmercarl.com/0455.%E5%88%86%E5%8F%91%E9%A5%BC%E5%B9%B2.html

376. 摆动序列

https://programmercarl.com/0376.%E6%91%86%E5%8A%A8%E5%BA%8F%E5%88%97.html

53. 最大子序和

https://programmercarl.com/0053.%E6%9C%80%E5%A4%A7%E5%AD%90%E5%BA%8F%E5%92%8C.html

455. 分发饼干

题目链接

https://leetcode.cn/problems/assign-cookies/description/

解题思路

为了满足更多的小孩，就不要造成饼干尺寸的浪费。
大尺寸的饼干既可以满足胃口大的孩子也可以满足胃口小的孩子，那么就应该优先满足胃口大的。
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。
可以尝试使用贪心策略，先将饼干数组和小孩数组排序。
然后从后向前遍历小孩数组，用大饼干优先满足胃口大的，并统计满足小孩数量。

code

class Solution {
    public int findContentChildren(int[] g, int[] s) {
        int result=0;
        //把孩子胃口大小和饼干大小从小到大排序
        Arrays.sort(g);
        Arrays.sort(s);
        //把最大的饼干优先满足最大的孩子或直到找到最大的孩子
        
        int indexS=s.length-1;
        for(int i=g.length-1;i>=0&&indexS>=0;i--){//&&indexS>=0 一定要有饼干才遍历孩子
            if(s[indexS]>=g[i]){
                result++;
                indexS--;
            }
        }
        return result;
    }
}

376. 摆动序列

题目链接

https://leetcode.cn/problems/wiggle-subsequence/description/

解题思路

画出摆动图
注意审题求的是什么？
子序列 可以通过从原始序列中删除一些（也可以不删除）元素来获得，剩下的元素保持其原始顺序。
给你一个整数数组 nums ，返回 nums 中作为 **摆动序列 **的 最长子序列的长度 。

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。
局部最优推出全局最优，并举不出反例，那么试试贪心！
实际操作上，其实连删除的操作都不用做，因为题目要求的是最长摆动子序列的长度，所以只需要统计数组的峰值数量就可以了（相当于是删除单一坡度上的节点，然后统计长度）

这就是贪心所贪的地方，让峰值尽可能的保持峰值，然后删除单一坡度上的节点

在计算是否有峰值的时候，大家知道遍历的下标 i ，计算 prediff（nums[i] - nums[i-1]） 和 curdiff（nums[i+1] - nums[i]），如果prediff < 0 && curdiff > 0 或者 prediff > 0 && curdiff < 0 此时就有波动就需要统计。
这是我们思考本题的一个大体思路，但本题要考虑三种情况：
情况一：上下坡中有平坡
情况二：数组首尾两端
情况三：单调坡中有平坡

code

class Solution {
    //贪心  
    public int wiggleMaxLength(int[] nums) {
        if(nums.length<=1) return nums.length;
        int curDiff=0;//当前一对峰值
        int preDiff=0;//前一对差值，默认前面还有个虚拟nums[0],preDiff就是0
        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.length-1;i++){
            curDiff=nums[i+1]-nums[i];
            //出现峰值  preDiff <= 0 preDiff >=0 会处理平坡逻辑
            if((preDiff <= 0 && curDiff >0) || (preDiff >=0 && curDiff <0)){
                result++;
                //出现坡的时候才更新preDiff ，这里为了处理单调有平坡的情况
                preDiff=curDiff; //注意这里，只在摆动变化的时候更新prediff
            }
        }
        return result;
    }
}

53. 最大子序和

题目链接

https://leetcode.cn/problems/maximum-subarray/description/

解题思路

1.贪心
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”
局部最优的情况下，并记录最大的“连续和”，可以推出全局最优。
2.记录连续和 count变量
只要连续和还是正数就会 对后面的元素 起到增大总和的作用。 所以只要连续和为正数我们就保留。
每次遇到count是负数就把它归零，因为会拉低总和,相当于重置最大子序起始位置
3.记录结果 result变量
result 要初始化为最小负数了 ，如果都是负数，也会比较出最大的负数
result 一直在更新 最大的连续和，只要有更大的连续和出现（count>result），result 就会更新，否则不会

code

class Solution {
    public int maxSubArray(int[] nums) {
        //result 要初始化为最小负数了 ，如果都是负数，也会比较出最大的负数
        //result 一直在更新 最大的连续和，只要有更大的连续和出现（count>result），result 就会更新，否则不会
        int result=Integer.MIN_VALUE;
        int count=0;
        for(int i=0;i < nums.length;i++){
            count+=nums[i];
            if(count>result){//取区间累计最大值(相当于不断确定最大子序终止位置)
                result=count;
            }
            if(count <=0) count=0;//相当于重置最大子序起始位置，每次遇到count是负数就把它归零，因为会拉低总和
        }
        return result;
    }
}