455. 分发饼干（总出问题，需要多次写）

题目链接：link

1、题目描述

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。你的目标是满足尽可能多的孩子，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。

2、思路

🥵贪心思路：尽量用大饼干来喂大胃口的孩子
💔容易出错的地方： 到底要怎么转到下一个饼干或者下一个胃口（本人总是搞不明白）

饼干i = [3,2,1] 
胃口j = [6,2,1]
对于饼干3, 胃口6 不能满足 ➡️ 胃口+1
对于饼干3, 胃口2 能满足 ➡️ 饼干+1 胃口+1
对于饼干2, 胃口1 能满足 ➡️ 饼干+1 胃口+1
胃口个数到达最大值 🆗
# 对应代码
class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        s.sort(reverse = True)
        g.sort(reverse = True)
        res = 0
        i = 0
        j = 0
        while (i<len(s)) and (j<len(g)):
            if s[i]<g[j]:
                j+=1
            else:
                i+=1
                j+=1
                res += 1
        return res

3、code

上一个思路的可以看出胃口是在每一轮都要到下一个的，因为不满足就说明最大的🍪都满足不了这个孩子的胃口；如果满足就说明这个孩子可以被喂饱，也要转到下一个孩子
所以可以遍历胃口，当🍪大于胃口的时候，转到下一个🍪（代码随想录的思路 ）

class Solution:
    def findContentChildren(self, g: List[int], s: List[int]) -> int:
        s.sort(reverse = True)
        g.sort(reverse = True)
        res = 0
        i = 0
        for weikou in g:
            if i < len(s) and s[i] >= weikou:
                res+=1
                i+=1
        return res

4、复杂度分析

1️⃣ 时间复杂度：$O(N)$
2️⃣ 空间复杂度：$O(!)$

5、超级无敌一句话总结

尽量用大饼干来喂大胃口的孩子，如果遍历思路不清晰，可以拿例子试一下，就知道什么时候该+1了

376. 摆动序列

题目链接：link

1、题目描述

如果连续数字之间的差严格地在正数和负数之间交替，则数字序列称为 摆动序列 。第一个差（如果存在的话）可能是正数或负数。仅有一个元素或者含两个不等元素的序列也视作摆动序列。
例如， [1, 7, 4, 9, 2, 5] 是一个 摆动序列 ，因为差值 (6, -3, 5, -7, 3) 是正负交替出现的。
相反，[1, 4, 7, 2, 5] 和 [1, 7, 4, 5, 5] 不是摆动序列，第一个序列是因为它的前两个差值都是正数，第二个序列是因为它的最后一个差值为零。
子序列 可以通过从原始序列中删除一些（也可以不删除）元素来获得，剩下的元素保持其原始顺序。
给你一个整数数组 nums ，返回 nums 中作为 摆动序列 的 最长子序列的长度 。

2、思路

🤔摆动序列什么意思？

比如17这个点，前一个数为1，后一个数为5，17-1=16是正数，5-17=-12是负数，那么1,17,5就是一个摆动序列✅
比如10这个点，前一个数为5，后一个数为15，10-5 = 5是正数，15-5=5也为正数，那么5,10,15就不是一个摆动序列❌
所以就找到前后梯度相反的节点就是摆动序列，也就是说山区前后节点梯度相同的序列就是子摆动序列
🥵特殊情况：前一个梯度和后一个梯度为0，也就是平坡的情况

1️⃣ 超级无敌傻思路：先把数组中的平坡删掉

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        if len(nums) == 1:
            return 1
        # 先把平坡删掉
        new_nums = [nums[0]]
        pre = nums[0]
        for i in range(1,len(nums)):
            if nums[i] != pre:
                new_nums.append(nums[i])
                pre = nums[i]
        print(new_nums)
        # 单纯的找极值问题
        if len(new_nums) <= 2:
            return len(new_nums)
        res = 2
        prediff = new_nums[1] - new_nums[0]
        for i in range(1,len(new_nums)-1):
            curdiff = new_nums[i+1] - new_nums[i]
            # prediff = new_nums[i] - new_nums[i-1]
            if (curdiff > 0 and prediff < 0) or (curdiff < 0 and prediff > 0):
                res += 1
            prediff = curdiff
        return res

2️⃣ 把平坡当成特殊情况来考虑
平坡有两种情况：
🅰️情况一：上下坡中有平坡

这里面中间有4个2，我只想留下一个，同意规定就是留下最右边的2，可以看到这个2的点，前一个梯度为0，后一个梯度为-1，也就是说要把这种情况加到计算长度的情况里面：

if (curdiff > 0 and prediff <= 0) or (curdiff < 0 and prediff >= 0):
    res += 1

🅱️情况二：单调坡度有平坡

class Solution:
    def wiggleMaxLength(self, nums: List[int]) -> int:
        if len(nums) == 1:
            return 1
        pre = 0
        cur = 0
        res = 1 # 记录峰值个数，序列默认序列最右边有一个峰值
        for i in range(len(nums)-1):
            cur = nums[i+1] - nums[i]
            if (cur > 0 and pre <= 0) or (cur < 0 and pre >= 0):
                pre = cur
                res += 1
        return res

4、复杂度分析

1️⃣ 时间复杂度：$O(N)$
2️⃣ 空间复杂度：$O(1)$

53. 最大子数组和

题目链接：link

1、题目描述

给你一个整数数组 nums ，请你找出一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
子数组是数组中的一个连续部分。

示例 1：
输入：nums = [-2,1,-3,4,-1,2,1,-5,4]
输出：6
解释：连续子数组 [4,-1,2,1] 的和最大，为 6 。

2、思路

🍬局部最优：当前“连续和”为负数的时候立刻放弃，从下一个元素重新计算“连续和”，因为负数加上下一个元素 “连续和”只会越来越小。

3、code

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        res = nums[0]
        max_res = res
        for i in range(1,len(nums)):
            if res<0:
                res = nums[i]
            else:
                res += nums[i]
            max_res = max(max_res,res)
        return max_res

4、复杂度分析

1️⃣ 时间复杂度：$O(N)$
2️⃣ 空间复杂度：$O(1)$