# 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:
- 定义问题的解空间,并确定解的结构。
- 利用贪心策略,做出一个局部最优解。
- 证明此局部最优解可以扩展为全局最优解。
- 根据上一步的证明,利用贪心策略选择下一个局部最优解。
- 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; | |
} | |
}; |