理论基础

首先，贪心算法基本靠“做题感觉”，所以没有规范的总结和做题技巧，只能说见到过之后还能想起来。

一般情况可以看成是对于一个大的问题的子问题的局部最优的求解，然后可以推导出全局的最优。

这个过程没有证明，只能说在“认为没有反例”的情况下“试一试”。

 455. 分发饼干

从大饼干开始：先喂饱大的，然后再喂饱小的

都从最大的值开始遍历，for控制胃口，idx指向饼干，当且仅当找到小于饼干的胃口的时候idx往前移动，否则持续找更小的胃口。

从小饼干开始：先找到能满足第一个人的饼干

都从小的开始遍历，for控制饼干，idx指向胃口，找到一个满足的胃口之后idx再向后移动。

class Solution(object):def findContentChildren(self, g, s):""":type g: List[int]:type s: List[int]:rtype: int"""if len(g) == 0 or len(s) == 0:return 0g.sort()s.sort()# 小饼干开始idx = 0for i in range(len(s)):if idx < len(g) and s[i] >= g[idx]:idx += 1return idx# 大饼干开始num_fed = 0idx = len(s)  - 1# 固定饼干idx找合适的胃口for i in range(len(g)-1, -1, -1):if g[i] <= s[idx] and idx >= 0:num_fed += 1idx -= 1return num_fed

376. 摆动序列

本题需要考虑的是多种情况的平坡（也就是差值不发生变化的时候）。

基本想法是比较前后两个差值和0的大小：

（1）第一种需要考虑差值为0，也就是遇到平坡的时候；
（2）另外一种是在上升的时候遇到平坡。

所以选择双指针的方法，使用一个cur和一个pre分别指向当前和之前的差值，和0进行比较。当且仅当差值出现波动（也就是更新了res）的时候更新pre的值。

class Solution(object):def wiggleMaxLength(self, nums):""":type nums: List[int]:rtype: int"""res = 1cur_diff = 0pre_diff = 0if len(nums) <= 1:return len(nums)for i in range(len(nums) - 1):cur_diff = nums[i + 1] - nums[i]if (cur_diff > 0 and pre_diff <= 0) or (cur_diff < 0 and pre_diff >= 0):res += 1pre_diff = cur_diff  # 当且仅当res更新的时候才让pre向前走return res

53. 最大子数组和

思路：遍历 nums，从头开始用 count 累积，如果 count 一旦加上 nums[i]变为负数，那么就应该从 nums[i+1]开始从 0 累积 count 了，因为已经变为负数的 count，只会拖累总和。使用res记录当前最大值即可。

class Solution(object):def maxSubArray(self, nums):""":type nums: List[int]:rtype: int"""res = - float('inf')count = 0for i in range(len(nums)):count += nums[i]if count > res:res = countif count <= 0:count = 0return res

有一个误区：是遇到负数就从头开始还是和为负数就从头开始？

比如，4，-1，3这个序列，4 - 1 = 3是正数，对于后面的3起到增益的作用，所以应该被保留，但是由于最大值一直都存在res里面，所以即使3比4要小，对于结果并不会产生影响。

第31天完结！！🎉