首先,贪心算法基本靠“做题感觉”,所以没有规范的总结和做题技巧,只能说见到过之后还能想起来。
一般情况可以看成是对于一个大的问题的子问题的局部最优的求解,然后可以推导出全局的最优。
这个过程没有证明,只能说在“认为没有反例”的情况下“试一试”。
都从最大的值开始遍历,for控制胃口,idx指向饼干,当且仅当找到小于饼干的胃口的时候idx往前移动,否则持续找更小的胃口。
都从小的开始遍历,for控制饼干,idx指向胃口,找到一个满足的胃口之后idx再向后移动。
class Solution(object):
def findContentChildren(self, g, s):
"""
:type g: List[int]
:type s: List[int]
:rtype: int
"""
if len(g) == 0 or len(s) == 0:
return 0
g.sort()
s.sort()
# 小饼干开始
idx = 0
for i in range(len(s)):
if idx < len(g) and s[i] >= g[idx]:
idx += 1
return idx
# 大饼干开始
num_fed = 0
idx = len(s) - 1
# 固定饼干idx找合适的胃口
for i in range(len(g)-1, -1, -1):
if g[i] <= s[idx] and idx >= 0:
num_fed += 1
idx -= 1
return num_fed
本题需要考虑的是多种情况的平坡(也就是差值不发生变化的时候)。
基本想法是比较前后两个差值和0的大小:
(1)第一种需要考虑差值为0,也就是遇到平坡的时候;
(2)另外一种是在上升的时候遇到平坡。
所以选择双指针的方法,使用一个cur和一个pre分别指向当前和之前的差值,和0进行比较。当且仅当差值出现波动(也就是更新了res)的时候更新pre的值。
class Solution(object):
def wiggleMaxLength(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
res = 1
cur_diff = 0
pre_diff = 0
if len(nums) <= 1:
return len(nums)
for i in range(len(nums) - 1):
cur_diff = nums[i + 1] - nums[i]
if (cur_diff > 0 and pre_diff <= 0) or (cur_diff < 0 and pre_diff >= 0):
res += 1
pre_diff = cur_diff # 当且仅当res更新的时候才让pre向前走
return res
思路: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。使用res记录当前最大值即可。
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
res = - float('inf')
count = 0
for i in range(len(nums)):
count += nums[i]
if count > res:
res = count
if count <= 0:
count = 0
return res
有一个误区:是遇到负数就从头开始还是和为负数就从头开始?
比如,4,-1,3这个序列,4 - 1 = 3是正数,对于后面的3起到增益的作用,所以应该被保留,但是由于最大值一直都存在res里面,所以即使3比4要小,对于结果并不会产生影响。
第31天完结!!🎉