【Day23】LeetCode：455. 分发饼干，376. 摆动序列，53. 最大子序和

文章目录

[LeetCode：455. 分发饼干](#LeetCode：455. 分发饼干)
- 思路
- 解答
[LeetCode：376. 摆动序列](#LeetCode：376. 摆动序列)
- 思路
- 解答
[LeetCode：53. 最大子序和](#LeetCode：53. 最大子序和)
- 思路
- 解答

LeetCode：455. 分发饼干

https://leetcode.cn/problems/assign-cookies/

思路

贪心算法，胃口最大的孩子匹配最大的饼干。从大到小遍历孩子的胃口：如果当前饼干能满足，则给出；否则直到找到第一个符合条件的孩子。

解答

python 复制代码

class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        len_g = len(g)
        len_s = len(s)

        g.sort()
        s.sort()

        results = 0
        idx_g = len_g - 1
        idx_s = len_s - 1 # s 的指针

        while idx_g >= 0: # 倒序遍历胃口
            if idx_s >= 0 and s[idx_s] >= g[idx_g]: # 将饼干匹配，遇到合适的就给出
                results += 1
                idx_s -= 1

            idx_g -= 1
            
        return results

LeetCode：376. 摆动序列

https://leetcode.cn/problems/wiggle-subsequence/description/

思路

如果一段子数组是单调递增的，那么其中任意两个元素的差都为正数，无法形成摆动。此时，我们只需保留该单调区间的第一个和最后一个元素，因为它们自然形成一个上升趋势和一个下降趋势的转折点。同理，如果一段子数组是单调递减的，只保留首尾。

如果存在重复元素，直接跳过。

解答

python 复制代码

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        n = len(nums)

        if n == 1 or (n == 2 and nums[0] != nums[1]): # 仅有一个元素或者含两个不等元素的序列
            return n

        results = 1 # 第一个元素默认计入
        pre_diff = 0

        for i in range(1, n):
            cur_diff = nums[i] - nums[i-1]
            if (cur_diff > 0 and pre_diff <= 0) or (cur_diff < 0 and pre_diff >= 0):
                results += 1
                pre_diff = cur_diff
            # cur_diff == 0 忽略，趋势不变

        return results

LeetCode：53. 最大子序和

https://leetcode.cn/problems/maximum-subarray/description/

思路

遍历数组，考量以 nums $i$ 结尾的连续子数组的最大和，记作 cur_max。则有：

（1）将 nums[i] 加入之前的子数组，即 cur_max + nums[i] ；

（2）重新开始一个新的子数组，只包含 nums[i] 本身。

选择两者中较大的一个作为新的 cur_max ，同时更新 global_max 。

最后，global_max 即为答案。

解答

python 复制代码

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        cur_max = global_max = nums[0]

        for num in nums[1:]: # 第一个元素既是当前最大，也是全局最大
            cur_max = max(num, cur_max + num) # 当前最大子数组要么是之前的最大子数组+当前值，要么从当前元素重新开始
            global_max = max(global_max, cur_max) # 更新全局最大子数组和

        return global_max