Day34

贪心算法part01

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。

LC445分发饼干

1. 局部最优就是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。
2. 代码
   

LC376摆动序列(未掌握)

1. 贪心思想：
   • 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
   • 对于下标i，和prediff=nums[i] - nums[i-1] 、curdiff=nums[i+1] - nums[i]，有四种情况需要考虑

     • 普通情况：如果prediff < 0 && curdiff > 0 或者 prediff > 0 && curdiff < 0 此时就有波动就需要统计。

     • 上下坡中有平坡：如[1，2，2，2，1]：这种情况要不选择最左边的计数要不选择最右边的计数，统一选择最右边进行计数。条件为(preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)

       • 如果选择的是最左边进行计数，条件为(preDiff < 0 && curDiff >= 0) || (preDiff > 0 && curDiff =< 0)

     • 上诉情况适合i左右均存在数值的情况，如果数组只有两个元素或者i来到了nums[0]和nums[nums.length()-1]位置将不在受用

       • 方法一：写死其余的情况，然后i从1开始遍历到nums.length()-2。就是如果只有两个元素，且元素不同，那么结果为 2。如果只有一个元素结果为1
       • 方法二：不写死与上诉规则合并，将result和preDiff的初始值定义为1和0，i从0开始遍历到nums.length()-1。如序列[2,5]，假设序列为[2,2,5]，这样对于原本位置0上的元素2就有了preDiff=0，最后一个元素不遍历是因为最后一个元素必定摆动序列的一员，我们通过初始化result=1来定义。
         

     • 单调坡度有平坡：如[1,2,2,2,3,4]，在1和最右边的2分别记录了值，result=3，但是result的值实际应该是2。错误原因在于上诉代码是否达到峰值i都会更新preDiff，但是其实preDiff的值是没有意义的，正负才是有意义的，因此只有变换坡度的时候才更新preDiff，这样就不会再单调有平坡的案例中出错

2. 代码
   

LC53最大子数组和

1. 动态规划的思想：dp[i]表示以nums[i]为结尾的连续子数组中序列和最大是dp[i]
2. 代码
   
3. 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”，因为和已经为负数了，如果下一个数仍然是负，两者相加只会更小，如果是正数，那直接用该正数替代连续和即可