# 题目

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.

455. 分发饼干 - 力扣（LeetCode）

# 分析

贪心算法是一种基于贪心策略的算法，它在每一步选择时都采取当前状态下的最优选择，从而最终得到全局最优解。贪心算法通常用于解决某些最优化问题，比如最短路径、最小生成树、任务调度等。

贪心算法的核心思想是局部最优导致全局最优。简言之，每一步都选择当前看起来最好的选项，不去考虑未来可能造成的影响，即不进行回溯。这样做的前提是局部最优解能够推导出全局最优解。

贪心算法的一般步骤如下：

1. 定义问题的解空间，并确定解的结构。
2. 利用贪心策略，做出一个局部最优解。
3. 证明此局部最优解可以扩展为全局最优解。
4. 根据上一步的证明，利用贪心策略选择下一个局部最优解。
5. 重复步骤 3 和步骤 4，直到得到全局最优解。

然而，需要注意的是，贪心算法适用的问题必须具备贪心选择性质和最优子结构性质，才能保证贪心算法的正确性。如果问题不具备这些性质，贪心算法可能无法得到全局最优解。

总的来说，贪心算法是一种简单而高效的算法，但需要合理选择贪心策略和证明其正确性。

这道题最优解是大饼干给胃口大的孩子，所以我们可以给孩子和饼干排序，让大的给大的

// 时间复杂度：O (nlogn)

// 空间复杂度：O (1)

class Solution {

public:

    int findContentChildren(vector<int>& g, vector<int>& s) {

        sort(g.begin(), g.end());

        sort(s.begin(), s.end());

        int index = s.size() - 1; // 饼干数组的下标

        int result = 0;

        for (int i = g.size() - 1; i >= 0; i--) { // 遍历胃口

            if (index >= 0 && s[index] >= g[i]) { // 遍历饼干

                result++;

                index--;

            }

        }

        return result;

    }

};