贪心算法 2. 分发饼干

贪心算法 2. 分发饼干

455. 分发饼干 - 力扣（LeetCode）

代码随想录

难度 3 - 简单

• 策略：从前向后

  • 从小到大排序孩子胃口和饼干大小
  • 两个列表都从头开始遍历
  • 当前饼干优先满足当前孩子（小饼干先喂饱小胃口） ，
  • 但是如果当前孩子胃口>当前饼干，说明当前的小饼干已经无法满足当前以及后续所有任意的孩子，所以需要单独更新饼干指针，指向更大的饼干

• 代码：

  class Solution:
      def findContentChildren(self, g: List[int], s: List[int]) -> int:
          # 每个孩子最多只能给一块饼干！
          # if len(s) == 0:
          #     return 0
  
          g.sort()
          s.sort()
  
          count = 0
          i = 0 # 指向孩子
          j = 0 # 指向饼干
          while i < len(g) and j < len(s):
              if g[i] <= s[j]: # 当前孩子胃口<=当前饼干时，给饼干
                  i += 1
                  j += 1
                  count += 1
              else: # 当前孩子胃口>当前饼干时，小饼干已经无法满足当前以及后续的孩子，所以指向更大饼干
                  j += 1 # 指向下一个更大的饼干
          return count
  

• 另一种从后向前的策略也可以（摘自代码随想录）：

  • 为了满足更多的小孩，就不要造成饼干尺寸的浪费。
  • 大尺寸的饼干既可以满足胃口大的孩子也可以满足胃口小的孩子，那么就应该优先满足胃口大的。
  • 这里的局部最优就是大饼干喂给胃口大的，充分利用饼干尺寸喂饱一个，全局最优就是喂饱尽可能多的小孩。
  • 可以尝试使用贪心策略，先将饼干数组和小孩数组排序。
  • 然后从后向前遍历小孩数组，用大饼干优先满足胃口大的，并统计满足小孩数量。

• 代码：

  class Solution:
      def findContentChildren(self, g, s):
          g.sort()  # 将孩子的贪心因子排序
          s.sort()  # 将饼干的尺寸排序
          index = len(s) - 1  # 饼干数组的下标，从最后一个饼干开始
          result = 0  # 满足孩子的数量
          for i in range(len(g)-1, -1, -1):  # 遍历胃口，从最后一个孩子开始
              if index >= 0 and s[index] >= g[i]:  # 遍历饼干
                  result += 1
                  index -= 1
          return result
  

• 时间复杂度：O(nlogn)

• 空间复杂度：O(1)

想清楚局部最优，想清楚全局最优，感觉局部最优是可以推出全局最优，并想不出反例，那么就试一试贪心。