贪心算法实战：分发饼干与摆动序列解析

1. 贪心算法基础与解题思路

贪心算法（Greedy Algorithm）是一种在每一步选择中都采取当前状态下最优决策的算法策略。它不像动态规划那样考虑全局最优解，而是通过局部最优的选择，希望最终达到全局最优。这种算法思想特别适合解决一些具有"最优子结构"特性的问题。

1.1 贪心算法的核心特征

贪心算法有效的三个关键条件：

1. 贪心选择性质：每一步的局部最优选择能导致全局最优解。这意味着我们不需要回溯或重新考虑之前的选择。

2. 最优子结构：问题的最优解包含其子问题的最优解。这与动态规划类似，但贪心算法不需要保存子问题的解。

3. 无后效性：某个状态以前的过程不会影响以后的状态，只与当前状态有关。

在实际应用中，贪心算法常用于解决：

• 分配问题（如分发饼干）
• 区间调度问题
• 最短路径问题
• 数据压缩（如霍夫曼编码）

1.2 贪心算法的解题步骤

1. 问题转化：将原问题分解为若干子问题
2. 贪心策略：确定在每个子问题中做出选择的准则
3. 证明有效性：证明该策略确实能得到全局最优解
4. 算法实现：根据策略编写代码实现

注意：贪心算法并不总是能得到最优解，因此在应用前必须确认问题的特性是否适合贪心策略。当不确定时，可以通过举反例来验证策略的正确性。

2. 分发饼干问题解析（455题）

2.1 问题重述与理解

题目描述：假设你是一位家长，要给孩子们分发饼干。每个孩子i有一个胃口值g[i]，每块饼干j的尺寸为s[j]。只有当饼干尺寸≥孩子胃口时，孩子才能得到满足。目标是尽可能满足更多的孩子。

示例：

• 输入：g = [1,2,3], s = [1,1]
• 输出：1
• 解释：只能满足胃口为1的孩子

2.2 贪心策略分析

这个问题可以抽象为一个匹配问题，我们需要找到最多的(g[i], s[j])对，其中s[j] ≥ g[i]。为了使满足的孩子数量最大化，我们需要考虑以下两种策略：

1. 小饼干优先：将最小的饼干分配给能满足的最小胃口的孩子
2. 大饼干优先：将最大的饼干分配给能满足的最大胃口的孩子

经过分析，两种策略都能得到最优解，但实现方式不同。我们选择"大饼干优先"策略，因为：

• 大饼干能覆盖更多可能性
• 排序后可以从数组尾部开始匹配，实现更直观

2.3 详细实现步骤

1. 排序数组：将g和s数组分别排序
2. 双指针初始化：index指向最大的饼干，i指向最大的胃口
3. 贪心匹配：
   • 如果当前饼干能满足当前胃口，计数+1，两个指针都前移
   • 否则只移动胃口指针（尝试用当前饼干满足更小的胃口）
4. 终止条件：任一数组遍历完成

cpp复制class