代码随想录算法训练营第十二七天|455.分发饼干 376. 摆动序列 53. 最大子序和

最新推荐文章于 2024-10-01 04:50:10 发布

暮炊雪

最新推荐文章于 2024-10-01 04:50:10 发布

阅读量824

点赞数 11

文章标签：算法数据结构 leetcode c++

本文链接：https://blog.csdn.net/xiaowutongxue666/article/details/141575962

版权

455.分发饼干

题目：

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。

示例 1:

输入: g = [1,2,3], s = [1,1]
输出: 1
解释: 
你有三个孩子和两块小饼干，3 个孩子的胃口值分别是：1,2,3。
虽然你有两块小饼干，由于他们的尺寸都是 1，你只能让胃口值是 1 的孩子满足。
所以你应该输出 1。

示例 2:

输入: g = [1,2], s = [1,2,3]
输出: 2
解释: 
你有两个孩子和三块小饼干，2 个孩子的胃口值分别是 1,2。
你拥有的饼干数量和尺寸都足以让所有孩子满足。
所以你应该输出 2。

提示：

1 <= g.length <= 3 * 104
0 <= s.length <= 3 * 104
1 <= g[i], s[j] <= 231 - 1

思路：

这个问题可以通过贪心算法来解决。

贪心算法的基本思想是在每一步选择中都做出局部最优的选择，从而希望能够得到全局最优解。

思路：

排序：
- 首先将孩子的胃口数组 g 和饼干尺寸数组 s 分别从小到大排序。
- 这样做是为了能够以最小的饼干尺寸去满足胃口最小的孩子，从而尽可能多地满足更多的孩子。
双指针遍历：
- 使用两个指针，一个指向孩子的胃口数组 g，另一个指向饼干尺寸数组 s。
- 从左到右遍历两个数组：
  - 如果当前的饼干尺寸能够满足当前孩子的胃口，则说明该孩子得到了满足，此时两个指针都向右移动一位。
  - 如果当前的饼干尺寸不能满足当前孩子的胃口，则只移动指向饼干的指针，尝试用下一块更大的饼干去满足这个孩子。
结束条件：
- 当指向孩子的指针遍历完或指向饼干的指针遍历完时，算法结束。此时，指向孩子的指针的值就是能够满足的孩子数量。

上代码：

class Solution {
public:
    int findContentChildren(std::vector<int>& g, std::vector<int>& s) {
        // 将孩子的胃口值和饼干尺寸进行排序
        std::sort(g.begin(), g.end());
        std::sort(s.begin(), s.end());

        int child = 0; // 指向孩子的指针
        int cookie = 0; // 指向饼干的指针

        // 遍历孩子和饼干，直到其中一个遍历完
        while (child < g.size() && cookie < s.size()) {
            if (s[cookie] >= g[child]) {
                // 当前饼干能够满足当前孩子的胃口
                child++; // 孩子得到了满足
            }
            cookie++; // 无论是否满足，饼干指针都要移动到下一块
        }

        // 返回最终满足的孩子数量
        return child;
    }
};

376. 摆动序列

题目：

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 。

示例 1：

输入：nums = [1,7,4,9,2,5]
输出：6
解释：整个序列均为摆动序列，各元素之间的差值为 (6, -3, 5, -7, 3) 。

示例 2：

输入：nums = [1,17,5,10,13,15,10,5,16,8]
输出：7
解释：这个序列包含几个长度为 7 摆动序列。
其中一个是 [1, 17, 10, 13, 10, 16, 8] ，各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。

示例 3：

输入：nums = [1,2,3,4,5,6,7,8,9]
输出：2

提示：

1 <= nums.length <= 1000
0 <= nums[i] <= 1000

思路：

这个问题可以通过贪心算法来解决。

我们需要找到一个最长的子序列，使得相邻元素的差值在正数和负数之间严格交替。

思路：

初始处理：
- 如果数组的长度小于2，则直接返回数组的长度，因为一个元素或者两个不相等的元素都可以构成一个摆动序列。
遍历数组：
- 我们可以用两个变量 up 和 down 分别记录摆动序列的上升和下降的最长子序列长度。
- 遍历数组，检查当前元素与前一个元素之间的差值：
  - 如果当前差值大于0，说明是一个上升的趋势，则更新 up 为 down + 1，表示找到了一个新的上升摆动点。
  - 如果当前差值小于0，说明是一个下降的趋势，则更新 down 为 up + 1，表示找到了一个新的下降摆动点。
  - 如果差值为0，则跳过，继续比较下一个元素。
返回结果：
- 最终，up 和 down 中的较大值就是最长的摆动子序列的长度。

上代码：

class Solution {
public:
    int wiggleMaxLength(std::vector<int>& nums) {
        if (nums.size() < 2) return nums.size();

        int up = 1, down = 1;

        for (int i = 1; i < nums.size(); ++i) {
            if (nums[i] > nums[i - 1]) {
                up = down + 1;
            } else if (nums[i] < nums[i - 1]) {
                down = up + 1;
            }
        }

        return std::max(up, down);
    }
};

53. 最大子序和

题目：

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。

示例 1：

输入：nums = [-2,1,-3,4,-1,2,1,-5,4]
输出：6
解释：连续子数组 [4,-1,2,1] 的和最大，为 6 。

示例 2：

输入：nums = [1]
输出：1

示例 3：

输入：nums = [5,4,-1,7,8]
输出：23

提示：

1 <= nums.length <= 105
-104 <= nums[i] <= 104

思路：

这个问题可以通过贪心算法来解决。

贪心算法的核心思想是：在遍历数组时，维护一个当前的最大子数组和，并根据当前元素的值决定是继续将当前元素加入子数组还是从当前元素重新开始一个新的子数组。

思路：

初始值设定：
- 我们需要两个变量，一个是 current_sum 来记录当前子数组的和，另一个是 max_sum 来记录全局的最大子数组和。
- current_sum 初始化为数组的第一个元素，max_sum 也初始化为数组的第一个元素。
遍历数组：
- 从第二个元素开始遍历数组：
  - 对于每一个元素，判断是否应该将其加入当前的子数组，还是从这个元素开始一个新的子数组。这个判断通过比较 current_sum + nums[i] 和 nums[i] 来决定：
    - 如果 current_sum + nums[i] 大于 nums[i]，说明继续加上当前元素会使得子数组和更大，因此更新 current_sum 为 current_sum + nums[i]。
    - 否则，从当前元素开始一个新的子数组，即 current_sum 直接更新为 nums[i]。
  - 然后，更新 max_sum，使其为 max(current_sum, max_sum)，即保持全局最大子数组和。

上代码：

class Solution {
public:
    int maxSubArray(std::vector<int>& nums) {
        int current_sum = nums[0];
        int max_sum = nums[0];

        for (int i = 1; i < nums.size(); ++i) {
            current_sum = std::max(nums[i], current_sum + nums[i]);
            max_sum = std::max(max_sum, current_sum);
        }

        return max_sum;
    }
};