【贪心算法】Leetcode 455 分发饼干 376. 摆动序列【规律很多】53. 最大子数组和
455 分发饼干
---------------🎈🎈题目链接🎈🎈-------------------
局部最优推全局最优:尽量用大饼干去满足大胃口的小朋友
class Solution {public int findContentChildren(int[] g, int[] s) {// 贪心// 局部最优推全局最优:尽量用大饼干去满足大胃口的小朋友if(s.length == 0) return 0;int result = 0;Arrays.sort(g);Arrays.sort(s);// 遍历小孩胃口g[i]int start = s.length - 1;for(int i = g.length-1; i >=0; i--){if(start >= 0 && g[i] <= s[start]){result++;start--;}}return result;}
}
时间复杂度:
对两个数组进行排序的时间复杂度为 O(n log n),其中 n 分别为小孩胃口数组 g 和饼干数组 s 的长度。
在最坏情况下,遍历两个数组的时间复杂度为 O(n),其中 n 是小孩胃口数组 g 的长度。
因此,总的时间复杂度为 O(n log n)。
空间复杂度:
除了输入数组 g 和 s 外,额外使用了常量空间进行迭代和计算。
因此,总的空间复杂度为 O(1)。
376. 摆动序列【规律很多】
一正一负 找到一个峰值:
(pre>=0 && cur<0) || (pre<=0 && cur>0)
。result++,遇到波动点就更新pre的值为cur
设定开头pre = 0:即原本是2-5,模拟为2-2-5 这样可以保证计算到开头的节点也算波动点。
设定开头cur = 0 ,但是随后循环中就赋值了 cur = nums[i+1] - nums[i]
思想:注意考虑一个坡度留首尾两个点、平坡、首尾
class Solution {public int wiggleMaxLength(int[] nums) {
// 贪心 一个坡度上只留首位两个点
// 考虑平坡的时候// 考虑单调有平坡 : 左右留一个就行 pre>=0 && cur<0 || pre<=0 && cur>0// 考虑上下中间有平坡 :只需要在 坡度摆动变化的时候,更新 pre 就行,这样 pre 在 单调区间有平坡的时候 就不会发生变化,造成我们的误判
// 考虑首尾元素 首尾元素都要计算坡度 尾部直接result本身就为1,首部假定开头pre=0int result = 1;int pre = 0; // 前一段默认先为0 后面遇到波动点的时候赋值为curint cur = 0;for(int i = 0; i < nums.length-1; i++){cur = nums[i+1] - nums[i]; // 后一段if((pre>=0 && cur<0) || (pre<=0 && cur>0)){ // 一正一负就找到一个峰值result++;pre = cur; // 即出现波动点才给pre赋值为cur,就可以避免单调中平坡的影响} }return result;}
}
53. 最大子数组和【好思想】
题目链接
思想:遍历nums,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”
思想!!!:
如果一部分加和为负数,那么后面再加一个无论什么元素都相当于是减,那么就没必要了
那么就遍历nums,遇到和为负数就重新开始计算加和,
没遇到的时候:如果加和结果大于result就给result赋值 最后返回result
注意这里用了int result = Integer.MIN_VALUE;
保证了若数组都为负数,result记录的就是最大的负数。
class Solution {public int maxSubArray(int[] nums) {// 贪心算法,// 如果一部分加和为负数,那么后面再加一个无论什么元素都相当于是减,那么就没必要了// 那么就遍历nums,遇到和为负数就重新开始计算加和,没遇到的时候如果加和结果大于result就给result赋值,// 最后返回resultint result = Integer.MIN_VALUE; // 这个很重要 可以保证如果全为负数的时候可以正常输出int sum = 0;for(int i = 0; i < nums.length; i++){sum = sum+nums[i];if(sum > result) { result = sum;}if(sum < 0){ // 如果加和小于零那就重新开始 因为后面再加没必要了sum = 0;} }return result; // 最后返回的result就是最大的}
}