算法学习——LeetCode力扣贪心篇1
455. 分发饼干
455. 分发饼干 - 力扣（LeetCode）
描述
假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。
对每个孩子 i，都有一个胃口值 g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j，都有一个尺寸 s[j] 。如果 s[j] >= g[i]，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大数值。
示例
示例 1:
输入: g = [1,2,3], s = [1,1]
输出: 1
解释:
你有三个孩子和两块小饼干，3个孩子的胃口值分别是：1,2,3。
虽然你有两块小饼干，由于他们的尺寸都是1，你只能让胃口值是1的孩子满足。
所以你应该输出1。
示例 2:
输入: g = [1,2], s = [1,2,3]
输出: 2
解释:
你有两个孩子和三块小饼干，2个孩子的胃口值分别是1,2。
你拥有的饼干数量和尺寸都足以让所有孩子满足。
所以你应该输出2.
提示
- 1 <= g.length <= 3 * 104
- 0 <= s.length <= 3 * 104
- 1 <= g[i], s[j] <= 231 - 1
代码解析
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
int num = 0 , s_point = s.size()-1;
//饼干和孩子排序
sort(g.begin() , g.end());
sort(s.begin() , s.end());
//先用最大的饼干开始喂能吃饱的孩子，吃不饱的跳过不喂
for(int i=g.size()-1 ; i >= 0 && s_point >=0 ;i--)
{
if( s[s_point] >= g[i])
{
s_point--; //喂好一个饼干指针减少
num++;
}
}
return num;
}
};
376. 摆动序列
376. 摆动序列 - 力扣（LeetCode）
描述
如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为 摆动序列 。第一个差（如果存在的话）可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。
例如， [1, 7, 4, 9, 2, 5] 是一个 摆动序列 ，因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。
相反，[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
子序列 可以通过从原始序列中删除一些（也可以不删除）元素来获得，剩下的元素保持其原始顺序。
给你一个整数数组 nums ，返回 nums 中作为 摆动序列 的 最长子序列的长度 。
示例
示例 1：
输入：nums = [1,7,4,9,2,5]
输出：6
解释：整个序列均为摆动序列，各元素之间的差值为 (6, -3, 5, -7, 3) 。
示例 2：
输入：nums = [1,17,5,10,13,15,10,5,16,8]
输出：7
解释：这个序列包含几个长度为 7 摆动序列。
其中一个是 [1, 17, 10, 13, 10, 16, 8] ，各元素之间的差值为 (16, -7, 3, -3, 6, -8) 。
示例 3：
输入：nums = [1,2,3,4,5,6,7,8,9]
输出：2
提示
- 1 <= nums.length <= 1000
- 0 <= nums[i] <= 1000
进阶
你能否用 O(n) 时间复杂度完成此题?
代码解析
贪心法
核心思想是找山坡。接替找上山坡和下山坡
在开始由前两个点确定向上还是向下
开始向上，就找向下
开始向下就找向上
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size()==1 ||(nums.size()==2 && nums[0] != nums[1]) ) return nums.size();
int pre = 0 ,num = 0 ;
bool flag ,start = false ;
for(int i=1 ，pre = 0; i<nums.size() ;i++ , pre++) //遍历所有点，pre是前一个点，i是当前点
{
if(nums[i] == nums[pre]) continue; //如果遇到相同点跳过
if(start == false)//start是开始标志，当第一次开始时，确定第一个坡是上山还是下山
{
if (nums[i] > nums[pre] ) flag = 0; //第一个坡是上山，flag为0，找下山坡
else flag = 1; //第一个坡是下山，flag为1，找上山坡
start = true; //开始正式循环找
num++;//第一个坡记录
}
else if(start == true)
{
if( (flag == 1 && (nums[i] > nums[pre])) //上一个是下坡，找到上坡了
||(flag == 0 && (nums[i] < nums[pre])) ) //上一个是上坡，找到下坡了
{
num++; //记录坡数
flag = !flag;//标志反转，找完上接着下，进行摆动
}
}
}
//num是坡的数量，第一个坡是俩点，补上第一个点+1
return num+1;
}
};
dp法
class Solution {
public:
int wiggleMaxLength(vector<int>& nums) {
if(nums.size()==1) return 1;
vector<int> dp(nums.size(),1);
int flag = -1;
for(int i=1 ; i<nums.size();i++)
{
if(flag==-1)
{
if(nums[i]-nums[i-1] > 0)
{
flag=1;
dp[i] = dp[i-1] +1;
}
else if(nums[i]-nums[i-1] < 0)
{
flag=0;
dp[i] = dp[i-1] +1;
}
continue;
}
if(nums[i]-nums[i-1] > 0 && flag==0 )
{
dp[i] = dp[i-1] + 1;
flag = 1;
}
else if(nums[i]-nums[i-1] < 0 && flag==1)
{
dp[i] = dp[i-1] + 1;
flag = 0;
}else
{
dp[i]=dp[i-1];
continue;
}
// cout<<dp[i]<<" ";
}
return dp[nums.size()-1];
}
};
53. 最大子数组和
53. 最大子数组和 - 力扣（LeetCode）
描述
给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
子数组 是数组中的一个连续部分。
示例
示例 1：
输入：nums = [-2,1,-3,4,-1,2,1,-5,4]
输出：6
解释：连续子数组 [4,-1,2,1] 的和最大，为 6 。
示例 2：
输入：nums = [1]
输出：1
示例 3：
输入：nums = [5,4,-1,7,8]
输出：23
提示
- 1 <= nums.length <= 105
- -104 <= nums[i] <= 104
进阶
如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的 分治法 求解。
代码解析
贪心法
class Solution {
public:
int maxSubArray(vector<int>& nums) {
int sum=0 ,result= INT32_MIN; //sum是当前数组的和，result是sum中最大的时候
for(int i=0 ; i<nums.size() ;i++)
{
sum += nums[i]; //记录当前的sum
if(sum > result) result= sum; //如果sum大于当前result，更新result
if(sum < 0) sum = 0; //某一个时期的sum小于0舍去
}
return result;
}
};
动态规划
class Solution {
public:
int maxSubArray(vector<int>& nums) {
vector<int> dp(nums.size() ,0);
int result = INT_MIN;
dp[0]= nums[0];
for(int i=1 ; i<nums.size() ;i++)
{
dp[i] = max(nums[i],dp[i-1]+nums[i]);
}
for(int i=0 ; i<nums.size() ;i++)
{
// cout<<dp[i]<<' ';
if(dp[i] > result) result = dp[i];
}
return result;
}
};
122. 买卖股票的最佳时机 II
122. 买卖股票的最佳时机 II - 力扣（LeetCode）
描述
给你一个整数数组 prices ，其中 prices[i] 表示某支股票第 i 天的价格。
在每一天，你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买，然后在 同一天 出售。
返回 你能获得的 最大 利润 。
示例
示例 1：
输入：prices = [7,1,5,3,6,4]
输出：7
解释：在第 2 天（股票价格 = 1）的时候买入，在第 3 天（股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
随后，在第 4 天（股票价格 = 3）的时候买入，在第 5 天（股票价格 = 6）的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。
总利润为 4 + 3 = 7 。
示例 2：
输入：prices = [1,2,3,4,5]
输出：4
解释：在第 1 天（股票价格 = 1）的时候买入，在第 5 天 （股票价格 = 5）的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
总利润为 4 。
示例 3：
输入：prices = [7,6,4,3,1]
输出：0
解释：在这种情况下, 交易无法获得正利润，所以不参与交易可以获得最大利润，最大利润为 0 。
提示
- 1 <= prices.length <= 3 * 104
- 0 <= prices[i] <= 104
代码解析
贪心算法
核心思想是找到利润。然后利润大于0的相加
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<int> profit;
int result = 0;
for(int i=1 ;i < prices.size(); i++)
{
if(prices[i] - prices[i-1] > 0 ) //单日利润大于0的存入
profit.push_back(prices[i] - prices[i-1]);
}
for(int i=0 ; i < profit.size(); i++) //计算利润和
result += profit[i];
return result;
}
};
动态规划
dp数组的含义：
- dp[i][0] 表示第i天持有股票所得现金。
- dp[i][1] 表示第i天不持有股票所得最多现金
如果第i天持有股票即dp[i][0]
- 第i-1天就持有股票，那么就保持现状，即：dp[i - 1][0]
- 第i天买入股票，就是昨天不持有股票的所得现金减去今天的股票价格
即：dp[i - 1][1] - prices[i]
]如果第i天不持有股票即dp[i][1]的情况
- 第i-1天就不持有股票，那么就保持现状，即：dp[i - 1][1]
- 第i天卖出股票，所得现金就是按照今天股票佳价格卖出后所得现金
即：prices[i] + dp[i - 1][0]
class Solution {
public:
int maxProfit(vector<int>& prices) {
if(prices.size()<=1) return 0;
vector<vector<int>> dp(prices.size() , vector<int>( 2,0 ) );
dp[0][0] = -prices[0];
dp[0][1] = 0;
for(int i=1 ; i<prices.size() ;i++)
{
dp[i][0] = max( dp[i-1][0] , dp[i-1][1] - prices[i] );
dp[i][1] = max( dp[i-1][1] , dp[i-1][0] + prices[i] );
}
return dp[prices.size()-1][1];
}
};
55. 跳跃游戏
55. 跳跃游戏 - 力扣（LeetCode）
描述
给你一个非负整数数组 nums ，你最初位于数组的 第一个下标 。数组中的每个元素代表你在该位置可以跳跃的最大长度。
判断你是否能够到达最后一个下标，如果可以，返回 true ；否则，返回 false 。
示例
示例 1：
输入：nums = [2,3,1,1,4]
输出：true
解释：可以先跳 1 步，从下标 0 到达下标 1, 然后再从下标 1 跳 3 步到达最后一个下标。
示例 2：
输入：nums = [3,2,1,0,4]
输出：false
解释：无论怎样，总会到达下标为 3 的位置。但该下标的最大跳跃长度是 0 ， 所以永远不可能到达最后一个下标。
提示
- 1 <= nums.length <= 104
- 0 <= nums[i] <= 105
代码解析
回溯法（超时）
class Solution {
public:
bool backtraking(vector<int>& nums , int target ,int step)
{
if (step == target) return 1; //检验步子能否到达最后点
else if (step > target) return 0;
if(nums[step]==0) return 0;
for(int j=nums[step] ; j >= 1; j--)
{
if(backtraking(nums ,target , step + j )) return 1;
}
return 0;
}
bool canJump(vector<int>& nums) {
int target = nums.size() - 1;
int step = 0;
return backtraking(nums,target,step);
}
};
贪心
class Solution {
public:
bool canJump(vector<int>& nums) {
int cover=0;
for(int i=0 ; i<nums.size()-1 && i <= cover ; i++) //循环点，保证点是覆盖范围内的
{
if(i+nums[i] > cover ) cover = i+nums[i]; //如果当前点的范围大于现在范围，范围更新
}
if(cover >= nums.size()-1) return 1; //如果范围覆盖最后一个点返回成功
else return 0;
}
};
