目录
题目需求
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 * 104
0 <= s.length <= 3 * 104
1 <= g[i], s[j] <= 231 - 1
贪心算法思想
什么是贪心
贪心算法是一种解决问题的方法，其核心思想是每一步都选择当前状态下的最优解，而不考虑之后的选择会如何影响问题的解决。贪心算法通常适用于那些具有最优子结构性质的问题，即问题的最优解可以通过子问题的最优解来推导。
贪心算法的使用
-
建立数学模型： 首先要明确问题的数学模型，即问题的目标函数以及约束条件。
-
确定贪心选择策略： 确定每一步的最优选择策略，即在当前状态下如何做出最优决策。
-
迭代求解： 从问题的初始状态开始，根据贪心选择策略，逐步地向前推进，直至达到问题的终止状态。
-
检验解的有效性： 需要验证贪心算法得到的解是否满足问题的所有约束条件，以及是否达到了问题的最优解。
贪心算法的优缺点
- 贪心算法的优点是简单、高效，通常时间复杂度较低，适用于求解一些具有贪心选择性质的优化问题，比如最小生成树、最短路径等。
- 然而，贪心算法也存在一些局限性，即可能得不到全局最优解，只能得到局部最优解，因此在应用时需要注意问题的特性，以及选择合适的贪心策略。
代码实现
cpp
class Solution {
public:
int findContentChildren(vector<int>& g, vector<int>& s) {
// 先将孩子的胃口和饼干的尺寸排序
sort(g.begin(), g.end());
sort(s.begin(), s.end());
int i = 0, j = 0;
int count = 0;
// 尝试将饼干分配给孩子
while (i < g.size() && j < s.size()) {
if (s[j] >= g[i]) { // 如果当前饼干满足当前孩子的胃口
count++;
i++; // 继续尝试下一个孩子
}
j++; // 否则继续尝试下一块饼干
}
return count;
}
};可自行编写main函数进行测试。
后言
贪心说到底并不是某钟具体的算法，而是一种思想，即"局部最优即全局最优"，这样的思想在许多情境下都能运用，例如最优合并等，是一种基础的算法思想。
最后给两个力扣题目吧（都是简单题，咱们也是从基础练）：
本篇博文到此就结束了，新手上路，水平有限，如有错误，还望海涵并指出！