贪心算法理论基础

代码随想录：贪心算法理论基础

455.分发饼干

代码随想录：455.分发饼干
Leetcode：455.分发饼干

做题

将饼干和小孩都按降序排序，再依次满足。

class Solution:def findContentChildren(self, g: List[int], s: List[int]) -> int:g.sort(reverse=True)s.sort(reverse=True)res = 0i = j = 0if len(s) == 0 or len(g) == 0:return 0while i < len(s):if s[i] >= g[j]:res += 1i += 1j += 1if j >= len(g):breakreturn res

看文章

大饼干优先

class Solution:def findContentChildren(self, g, s):g.sort()  # 将孩子的贪心因子排序s.sort()  # 将饼干的尺寸排序index = len(s) - 1  # 饼干数组的下标，从最后一个饼干开始result = 0  # 满足孩子的数量for i in range(len(g)-1, -1, -1):  # 遍历胃口，从最后一个孩子开始if index >= 0 and s[index] >= g[i]:  # 遍历饼干result += 1index -= 1return result

时间复杂度：O(nlogn)
空间复杂度：O(1)

小饼干优先

class Solution:def findContentChildren(self, g, s):g.sort()  # 将孩子的贪心因子排序s.sort()  # 将饼干的尺寸排序index = 0for i in range(len(s)):  # 遍历饼干if index < len(g) and g[index] <= s[i]:  # 如果当前孩子的贪心因子小于等于当前饼干尺寸index += 1  # 满足一个孩子，指向下一个孩子return index  # 返回满足的孩子数目

时间复杂度：O(nlogn)
空间复杂度：O(1)

376. 摆动序列

代码随想录：376. 摆动序列
Leetcode：376. 摆动序列

做题

有初始思路，比较简单，需要调试解决特殊情况。用一个bool变量来记录前面是上升还是下降，当bool变化时就res += 1，当前面平峰时需要特殊处理。具体代码如下：

class Solution:def wiggleMaxLength(self, nums: List[int]) -> int:size = len(nums)if size == 1: return 1if size == 2:if nums[0] != nums[1]:return 2else:return 1res = 1level = Truefor i in range(1, size):cur = nums[i] - nums[i-1]if i == 1:if cur > 0:is_lift = Truelevel = Falseres += 1elif cur < 0:is_lift = Falselevel = Falseres += 1else:if level and cur > 0:level = Falseis_lift = Trueres += 1elif level and cur < 0:level = Falseis_lift = Falseres += 1elif level:continueelif is_lift and cur < 0:res += 1is_lift = Falseelif not is_lift and cur > 0:res += 1is_lift = Truereturn res

时间复杂度：O(n)
空间复杂度：O(1)

看文章

计算prediff和curdiff，考虑三种情况：上下坡中有平坡、数组首尾两端、单调坡中有平坡。具体思路看文章。也可以用动态规划。这里感觉太繁琐了，暂时不看。

53. 最大子序和

代码随想录：53. 最大子序和
Leetcode：53. 最大子序和

做题

无贪心算法思路。

看文章

暴力求解

C++可能能过，其他语言不一定
时间复杂度：O(n^2)
空间复杂度：O(1)

贪婪算法

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。
从代码角度上来讲：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为负数，那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。
时间复杂度：O(n)
空间复杂度：O(1)
按照思路自己实现了代码：

class Solution:def maxSubArray(self, nums: List[int]) -> int:res = float('-inf')cur = 0for i in range(len(nums)):cur += nums[i]res = max(cur, res)if cur < 0:cur = 0return res

以往忽略的知识点小结

• 贪心算法没什么“思路”，可能就是用简单的思路尝试，然后不断调试，处理特殊情况

个人体会

完成时间：1h40min。
心得：贪心算法比较没“思路”，但特殊情况分析还挺麻烦的，最好自己尝试，看文章有点难进入思路。

​