写在开始贪心算法之前:
贪心算法的本质,是在每一个步骤中选择局部最优解,进而达到全局最优解。与递归和回溯不同,贪心算法没有模板。贪心算法一般分为四个步骤:将问题分解为若干子问题、找出合适的贪心策略、求解子问题的最优解、组合局部最优解得到全局最优解。
455.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。
目标为“尽可能满足最多数量的孩子”,这要求我们将最小的饼干分给胃口最小的孩子,物尽其用,确保充分利用每一块尺寸的饼干。因此,局部最优解就是为胃口最小的孩子分配尺寸最小的饼干,以此类推。
class Solution {
public:
int findContentChildren(vector<int> &g, vector<int> &s) {
sort(g.begin(), g.end());
sort(s.begin(), s.end());
int count = 0;
int i = 0, j = 0;
while (i < s.size() && j < g.size()) {
if (s[i] >= g[j]) {
count++; i++; j++;
} else {
i++;
}
}
return count;
}
};
对饼干尺寸和孩子胃口进行排序,为合适的胃口选合适的尺寸的饼干。
376.摆动序列(目前理解的不是很好)
偷懒不写文字解释了,具体详细可看代码随想录相关章节,大致思想就是确保摆动序列中的每一个元素具有摆动的性质,即当前元素 和前一个元素的差 与 和后一个元素的差 符号相反。
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if (nums.size() <= 1) return nums.size();
int count = 1;
int preDiff = 0, curDiff = 0;
for (int i = 0; i < nums.size() - 1; i++) {
curDiff = nums[i + 1] - nums[i];
if ((preDiff >= 0 && curDiff < 0) || (preDiff <= 0 && curDiff > 0)) {
count++;
preDiff = curDiff;
}
}
return count;
}
};
53.最大子数组和
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。
在给定的数组中,如何确保子数组的和为最大?起码要确保子数组的所有子数组的和大于0,比如 -2,1,3,-1,1,最大子数组一定不包括 -2,因为 -2 和 1 相加为 -1,即要求子数组中的每一个子数组都对该子数组的和做出正向贡献。
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;
}
};