代码随想录Day30｜贪心1

   理论基础 

●  455.分发饼干 

●  376. 摆动序列 

●  53. 最大子序和

---

什么是贪心

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。

这么说有点抽象，来举一个例子：

例如，有一堆钞票，你可以拿走十张，如果想达到最大的金额，你要怎么拿？

指定每次拿最大的，最终结果就是拿走最大数额的钱。

每次拿最大的就是局部最优，最后拿走最大数额的钱就是推出全局最优。

再举一个例子如果是 有一堆盒子，你有一个背包体积为n，如何把背包尽可能装满，如果还每次选最大的盒子，就不行了。这时候就需要动态规划。动态规划的问题在下一个系列会详细讲解

---

有同学问了如何验证可不可以用贪心算法呢？

最好用的策略就是举反例，如果想不到反例，那么就试一试贪心吧。

---

贪心一般解题步骤

贪心算法一般分为如下四步：

• 将问题分解为若干个子问题
• 找出适合的贪心策略
• 求解每一个子问题的最优解
• 将局部最优解堆叠成全局最优解

这个四步其实过于理论化了，我们平时在做贪心类的题目 很难去按照这四步去思考，真是有点“鸡肋”。

做题的时候，只要想清楚 局部最优 是什么，如果推导出全局最优，其实就够了

---

455.分发饼干

class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        g.sort()
        s.sort()
        g_len = len(g)
        s_len = len(s)
        ans = 0
        pointor1 = g_len-1
        pointor2 = s_len-1
        while (pointor1 >= 0 and pointor2 >= 0):
            if(s[pointor2] >= g[pointor1]):
                ans += 1
                pointor1 -= 1
                pointor2 -= 1
            else:
                pointor1 -= 1
        return ans
    

 

---

376. 摆动序列

使用三个指针

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        ans = 1
        n = len(nums)
        pointer1 = 0
        pointer2 = 1
        while pointer2 < n and nums[pointer1] == nums[pointer2]:
            pointer1 += 1
            pointer2 += 1
        if pointer2 == n:
            return 1
        ans += 1
        pointer3 = pointer2 + 1
        while pointer3 < n:
            if (nums[pointer2]-nums[pointer1])*(nums[pointer3]-nums[pointer2]) < 0:
                ans += 1
                pointer1 = pointer2
            pointer2 = pointer3
            pointer3 += 1
        return ans

但其实还有更简单的方法就是指记录和计算差值

如果这两个差值一正一反，就加一移动

如果同符号或者又零的存在就不移动上一个差值

---

53. 最大子序和

可能是负数

所以我们考虑的思路是

如果前面的和为负数

那我们就设置为当前数的大小

因为任何数字加上负数必定更小

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        ans = nums[0]
        ans_now = 0
        for i in nums:
            if ans_now <= 0:
                ans_now = i
            else:
                ans_now += i
            ans = max(ans, ans_now)
        return ans