代码随想录算法训练营第三期day31-贪心算法01

目录

1. T455：分发饼干

1.1 思路1：从大到小

1.2 思路2：从小到大

1.3 思考

2. T376：摆动序列【动规解法暂搁】

3. T53：最大子序和【动规暂搁】

3.1 法1、暴力解法（了解即可，超时时间限制）

3.2 法2、贪心算法

---

1. T455：分发饼干

T455：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。

提示：

• 1 <= g.length <= 3 * 104

• 0 <= s.length <= 3 * 104

• 1 <= g[i], s[j] <= 231 - 1

S：本题的思路可分两种：一个是优先用大饼干满足大胃口，另一个是优先用小饼干满足小胃口。

从贪心算法的角度来说，可以分为：

• 局部最优：大（小）满足大（小）胃口；
• 全局最优：尽可能让更多小孩吃到满足胃口的饼干。

1.1 思路1：从大到小

该思路就是先拿着最大的饼干去从最大胃口的孩子开始喂，喂饱之后再开始用小饼干。

C++：

    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(), g.end());
        sort(s.begin(), s.end());
        int res = 0;
        int index = s.size() - 1;// 饼干数组的下标【🚩试了一下index和i互换，解答错误，尚未想清楚】
        for (int i = g.size() - 1; i >= 0; --i) {
            // if (s[index] >= g[i]) {// 导致runtime error
            if (index >= 0 && s[index] >= g[i]) {
                ++res;
                --index;
            }
        }
        return res;
    }

Java：

    public int findContentChildren(int[] g, int[] s) {
        Arrays.sort(g);
        Arrays.sort(s);
        int res = 0;
        int index = s.length - 1;
        for (int i = g.length - 1; i >= 0; --i) {
            if (index >= 0 && s[index] >= g[i]) {
                --index;
                ++res;
            }
        }
        return res;
    }

1.2 思路2：从小到大

该思路则反过来，先从最小胃口的孩子（出发点与上一种思路不同）开始喂小饼干，喂饱之后再开始喂饱大胃口的孩子

C++：

    int findContentChildren(vector<int>& g, vector<int>& s) {
        sort(g.begin(), g.end());
        sort(s.begin(), s.end());
        // int res = 0;
        int index = 0;// 胃口数组的下标【这里相当于index和i互换了（相对于版本Ⅰ）】
        for (int i = 0; i < s.size(); ++i) {
            if (index < g.size() && s[i] >= g[index]) {
                // ++res;
                ++index;
            }
        }
        // return res;
        return index;
    }

Java：

    public int findContentChildren(int[] g, int[] s) {
        Arrays.sort(g);
        Arrays.sort(s);
        int index = 0;
        for (int i = 0; i < s.length; ++i) {
            if (index < g.length && s[i] >= g[index]) {
                ++index;
            }
        }
        return index;
    }

1.3 思考

• 到最后都没完全想明白一个问题：
  • 为什么从大到小index对应饼干数组，从小到大index对应胃口数组，反之就错？

只能说举一个例子，按照逻辑来讲，如果反过来，会导致（以 g:[10，9，8，7]，s:[5，6，7，8]，正确答案为2 来举例）：

• 用从大到小：如果先拿着大胃口去找饼干吃，按照本例会得出结果为0；
• 用从小到大：如果先拿着小饼干去喂，按照本例也会得出结果为0。

2. T376：摆动序列【动规解法暂搁】

T376：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 。

提示：

• 1 <= nums.length <= 1000

• 0 <= nums[i] <= 1000

进阶：你能否用 O(n) 时间复杂度完成此题?

S：本题如果真的想着删除或修改元素，那就复杂化了！

从贪心算法的角度来说：

• 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。

C++：

    int wiggleMaxLength(vector<int>& nums) {
        int res = 1;// 记录峰值个数，序列默认序列最右边有一个峰值
        int curDiff = 0;
        int preDiff = 0;
        for (int i = 0; i < nums.size() - 1; ++i) {
            curDiff = nums[i + 1] - nums[i];
            //如果当前差值和上一个差值为一正一负就算（preDiff等于0表示初始情况）
            if ((curDiff > 0 && preDiff <= 0) || (curDiff < 0 && preDiff >= 0)) {
                ++res;
                preDiff = curDiff;
            }
        }
        return res;
    }

Java：

    public int wiggleMaxLength(int[] nums) {
        int res = 1;
        int preDiff = 0, curDiff = 0;
        for (int i = 1; i < nums.length; ++i) {
            curDiff = nums[i] - nums[i - 1];
            if ((curDiff > 0 && preDiff <= 0) || (curDiff < 0 && preDiff >= 0)) {
                preDiff = curDiff;
                ++res;
            }
        }
        return res;
    }

3. T53：最大子序和【动规暂搁】

T53：给你一个整数数组 nums ，请你找出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。

子数组 是数组中的一个连续部分。

提示：

• 1 <= nums.length <= 105

• -104 <= nums[i] <= 104

S：

3.1 法1、暴力解法（了解即可，超时时间限制）

暴力解法，其实就是把所有可能的连续子数组的元素和全部算出来，在该过程中出现的最大值就是result

C++：

    int maxSubArray(vector<int>& nums) {
        int res = INT32_MIN;
        int count = 0;
        for (int i = 0; i < nums.size(); ++i) {// 设置起始位置
            count = 0;// 一定要归零！
            for (int j = i; j < nums.size(); ++j) {
                count += nums[j];
                res = res > count ? res : count;// 取区间累计的最大值（相当于不断确定最大子序终止位置）
            }
        }
        return res;
    }

• 时间复杂度：O(n^2)

• 空间复杂度：O(1)

3.2 法2、贪心算法

贪心贪的是哪里呢？

    如果 -2 1 在一起，计算起点的时候，一定是从1开始计算，因为负数只会拉低总和，这就是贪心贪的地方！

• 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。

🚩关键在于：不能让“连续和”为负数的时候加上下一个元素，而不是 不让“连续和”加上一个负数。

C++：

    int maxSubArray(vector<int>& nums) {
        int res = INT32_MIN;
        int count = 0;
        for (int i = 0; i < nums.size(); ++i) {
            count += nums[i];
            res = res > count ? res : count;// 取区间累计的最大值（相当于不断确定最大子序终止位置）
            if (count <= 0) count = 0;// 🚩重置最大子序起始记录位置（“连续和”为负数的时候立刻放弃）
        }
        return res;
    }

Java：

    public int maxSubArray(int[] nums) {
        int res = Integer.MIN_VALUE;
        int count = 0;
        for (int i = 0; i < nums.length; ++i) {
            count += nums[i];
            res = count > res ? count : res;
            if (count <= 0) count = 0;
        }
        return res;
    }