数据结构与算法之贪心: LeetCode 455. 分饼干 (Typescript版)

分发饼干

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 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 * 1 0 4 10^4 104
  • 0 <= s.length <= 3 * 1 0 4 10^4 104
  • 1 <= g[i], s[j] <= 2 31 2^{31} 231 - 1

算法实现

1 )排序 + 遍历

ts 复制代码
function findContentChildren(g: number[], s: number[]): number {
    // 升序排序两个数组
    g.sort((a, b) => a - b);
    s.sort((a, b) => a - b);
    let i: number = 0;
    // 遍历所有饼干尺寸
    s.forEach((item: number) => {
        // 饼干能满足当前孩子胃口,则接下来寻找下一个孩子
        if(item >= g[i]) ++i;
    });
    return i;
}
  • 解题思路
    • 局部最优:既能满足孩子,还消耗最少
    • 先将"较小的饼干"分给"胃口最小"的孩子
    • 既能满足孩子,还能消耗最小
  • 解题步骤
    • 对饼干数组和胃口数组升序排序
    • 遍历饼干数组,找到能满足第一个孩子的饼干
    • 然后继续遍历饼干数组,找到满足第二、三、...、n个孩子的饼干
  • 时间复杂度:O(nlogn)
    • 主要是sort
  • 空间复杂度 O(1)
    • 常量

2 )排序 + 双指针 + 贪心

ts 复制代码
function findContentChildren(g: number[], s: number[]): number {
    // 升序排序两个数组
    g.sort((a, b) => a - b);
    s.sort((a, b) => a - b);
    // 获取两个数组的长度
    const m: number = g.length, n: number = s.length;
    // 累计能满足孩子的数量
    let count: number = 0;
    for (let i: number = 0, j: number = 0; i < m && j < n; i++, j++) {
        // 找出所有饼干范围内 找出 符合 g[i] <= s[j] 的 j
        while (j < n && g[i] > s[j]) j++;
        // 当 j < n 时, 就记录一个满足条件的数额
        if (j < n) count++;
    }
    // 返回累计满足的数额
    return count;
};
  • 这是官方提供的思路
  • 为了尽可能满足最多数量的孩子,从贪心的角度考虑,应该按照孩子的胃口从小到大的顺序依次满足每个孩子
  • 且对于每个孩子,应该选择可以满足这个孩子的胃口且尺寸最小的饼干
  • 对于每个元素 g[i],找到未被使用的最小的 j 使得 g[i]≤s[j],则 s[j] 可以满足 g[i]
  • 由于 g 和 s 已经排好序,因此整个过程只需要对数组 g 和 s 各遍历一次
  • 当两个数组之一遍历结束时,说明所有的孩子都被分配到了饼干,或者所有的饼干都已经被分配或被尝试分配(可能有些饼干无法分配给任何孩子)
  • 此时被分配到饼干的孩子数量即为可以满足的最多数量
  • 时间复杂度:O(nlogn)
    • 严格计算是: O(mlog⁡m+nlog⁡n),其中 m 和 n 分别是数组 g 和 s 的长度
    • 对两个数组排序的时间复杂度是 O(mlog⁡m+nlog⁡n),遍历数组的时间复杂度是 O(m+n)
    • 因此总时间复杂度是 O(mlog⁡m + nlog⁡n)
  • 空间复杂度:O(logn)
    • 严格说来是: O(log⁡m+log⁡n)
    • 其中 m 和 n 分别是数组 g 和 s 的长度
    • 空间复杂度主要是排序的额外空间开销
相关推荐
迷迭所归处2 分钟前
动态规划 —— 子数组系列-单词拆分
算法·动态规划
爱吃烤鸡翅的酸菜鱼2 分钟前
Java算法OJ(8)随机选择算法
java·数据结构·算法·排序算法
寻找码源1 小时前
【头歌实训:利用kmp算法求子串在主串中不重叠出现的次数】
c语言·数据结构·算法·字符串·kmp
Matlab精灵1 小时前
Matlab科研绘图:自定义内置多款配色函数
算法·matlab
诚丞成1 小时前
滑动窗口篇——如行云流水般的高效解法与智能之道(1)
算法
带多刺的玫瑰2 小时前
Leecode刷题C语言之统计不是特殊数字的数字数量
java·c语言·算法
爱敲代码的憨仔2 小时前
《线性代数的本质》
线性代数·算法·决策树
yigan_Eins3 小时前
【数论】莫比乌斯函数及其反演
c++·经验分享·算法
阿史大杯茶3 小时前
AtCoder Beginner Contest 381(ABCDEF 题)视频讲解
数据结构·c++·算法
დ旧言~3 小时前
【高阶数据结构】图论
算法·深度优先·广度优先·宽度优先·推荐算法