C++学习/复习补充记录 --- 贪心算法

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。

（每一步的决策都不会浪费，每一次求解都是当前的最优解）

贪心算法并没有固定的套路，就是常识性推导加上举反例。

唯一的难点就是如何通过局部最优，推出整体最优。

最好用的策略就是举反例，如果想不到反例，那么就可以试一试贪心。

---

刷题或者面试的时候，手动模拟一下感觉可以局部最优推出整体最优，而且想不到反例，那么就试一试贪心。

贪心有时候就是常识性的推导，所以会无意间用了贪心却不知道自己用了贪心。

1.1  分发饼干

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。

class Solution {
public:
	int findContentChildren(vector<int>& g, vector<int>& s) {
		sort(g.begin(), g.end());
		sort(s.begin(), s.end());
		int cnt = 0;
		int j = s.size() - 1;// 饼干数组的下标
		for (int i = g.size() - 1; i >= 0; i--) {//遍历小朋友的胃口
			if (j < 0) break;//饼干分完了
			if (s[j] >= g[i]) {//能满足当前小朋友
				cnt++;
				j--;
			}
		}
		return cnt;
	}
};

1.2 摆动序列

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。仅有一个元素或者含两个不等元素的序列也视作摆动序列。

• 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。

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 。

贪心算法：每一步的决策都不会浪费，每一次求解都是当前的最优解。 

动态规划算法：对每个决策都进行求解，放在表格里，最后选择最优解。

 法一：贪心解法

局部最优：忽略掉单调坡度上的中间节点，就可获取该段的最高处峰值和最低处峰值(只保留两端峰值)。

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。

该题贪心所贪的地方，就是只统计数组的峰值数量（相当于是忽略单一坡度上的节点，然后统计长度），让峰值尽可能的保持峰值，然后删除单一坡度上的节点

class Solution {
public:
	int wiggleMaxLength(vector<int>& nums) {
		//数组无数据或只有一个数据时，最长摆动子序列的长度就为其本身数组长度
		if (nums.size() <= 1) return nums.size();
		/*
		一旦有平坡的情况(峰值处)，都默认其当前阶段的最右成员计入长度数
		*/
		int cnt = 1;//默认数组的最右端有一个峰值
		int preDiff = 0;//当前位置的前一个差值，初始化为0，防止漏掉符合条件的首部元素
		for (int i = 1; i < nums.size(); i++) {
			int curDiff = nums[i] - nums[i - 1];
			//碰到峰值（拍动序列的成员）
			if ((preDiff <= 0 && curDiff > 0) || //山谷（\/）
				(preDiff >= 0 && curDiff < 0)) { //山峰（/\）
				cnt++;//成员数增加
				preDiff = curDiff;//已有上一个有效摆动序列成员时再更新(对付单调期间出现平坡的情况)
			}
		}
		return cnt;
	}
};

法二：动态规划

1.3