假設你是一位很棒的家長，想要給你的孩子們一些小餅乾。但是，每個孩子最多只能給一塊餅乾。對每個孩子 i ，都有乙個胃口值 gi ，這是能讓孩子們滿足胃口的餅乾的最小尺寸；並且每塊餅乾 j ，都有乙個尺寸 sj 。如果 sj >= gi ，我們可以將這個餅乾 j 分配給孩子 i ，這個孩子會得到滿足。你的目標是盡可能滿足越多數量的孩子，並輸出這個最大數值。
注意：你可以假設胃口值為正。
乙個小朋友最多只能擁有一塊餅乾。
示例 1:
輸入: [1,2,3], [1,1]
輸出: 1
解釋:你有三個孩子和兩塊小餅乾，3個孩子的胃口值分別是：1,2,3。
雖然你有兩塊小餅乾，由於他們的尺寸都是1，你只能讓胃口值是1的孩子滿足。
所以你應該輸出1。
示例 2:
輸入: [1,2], [1,2,3]
輸出: 2
解釋:你有兩個孩子和三塊小餅乾，2個孩子的胃口值分別是1,2。
你擁有的餅乾數量和尺寸都足以讓所有孩子滿足。
所以你應該輸出2.
思路：將最大的餅乾依次滿足胃口最大的孩子，這樣能滿足的孩子數最多
class solution
else
}return res;
}};
你可以認為 s 和 t 中僅包含英文小寫字母。字串 t 可能會很長（長度 ~= 500,000），而 s 是個短字串（長度 <=100）。
字串的乙個子串行是原始字串刪除一些（也可以不刪除）字元而不改變剩餘字元相對位置形成的新字串。（例如，"ace"是"abcde"的乙個子串行，而"aec"不是）。
示例 1:
s = "abc", t = "ahbgdc"
返回 true.
示例 2:
s = "axc", t = "ahbgdc"
返回 false.
後續挑戰 :
如果有大量輸入的 s，稱作s1, s2, ... , sk 其中 k >= 10億，你需要依次檢查它們是否為 t 的子串行。在這種情況下，你會怎樣改變**？
class solution
return false;
}};
給定乙個區間的集合，找到需要移除區間的最小數量，使剩餘區間互不重疊。
注意:可以認為區間的終點總是大於它的起點。
區間 [1,2] 和 [2,3] 的邊界相互「接觸」，但沒有相互重疊。
示例 1:
輸入: [ [1,2], [2,3], [3,4], [1,3] ]
輸出: 1
解釋: 移除 [1,3] 後，剩下的區間沒有重疊。
示例 2:
輸入: [ [1,2], [1,2], [1,2] ]
輸出: 2
解釋: 你需要移除兩個 [1,2] 來使剩下的區間沒有重疊。
示例 3:
輸入: [ [1,2], [2,3] ]
輸出: 0
解釋: 你不需要移除任何區間，因為它們已經是無重疊的了。
class solution
int eraseoverlapintervals(vector>& intervals)
sort(interval.begin(), interval.end(), compare);
vectormemo(n, 1);
for(int i = 1; i < n; i++)
for(int j = 0; j < i; j++)
if(interval[i].first >= interval[j].second)
memo[i] = max(memo[i], memo[j] +1 );
return n - memo[n-1];
}};
class solution
int eraseoverlapintervals(vector>& intervals)
sort(interval.begin(), interval.end(), compare);
int res = 1;
int pre_interval = 0;
for(int i = 1; i < n; i++)
}return n - res;
}};
玩轉演算法 貪心演算法
貪心演算法是一種在每一步選中都採取在當前狀態下最好或最優的選擇，從而希望導致結果是最好或最優的演算法。貪心演算法優點 對於一些問題，非常直觀有效。貪心演算法缺點 並不是所有問題都能用它去解決 得到的結果並一定不是正確的，因為這種演算法容易過早地做出決定，從而沒有辦法達到最優解。貪心選擇性質的證明 貪...
演算法面試8 貪心演算法
目錄 1 簡單貪心 leetcode 455 分發餅乾 leetcode 392 判斷子串行 2 貪心與動態規劃的關係 3 貪心選擇性 1 簡單貪心 貪心演算法相對來說 少，思路簡單，但貪心問題的關鍵是確定乙個問題能否使用貪心演算法去解決。例1 leetcode 455。題解 把最大的餅乾分給最貪心...
演算法 貪心演算法
把乙個複雜問題分解為一系列較為簡單的區域性最優選擇，每乙個選擇都是對當前解的乙個擴充套件，知道獲得問題的完整解。在解決問題的策略上目光短淺，只根據當前已有的資訊做出選擇，而且一旦做出了選擇，不管將來有什麼結果這個選擇都不會改變。換言之，貪心法並不是從整體最優考慮，它所做出的選擇只是在某種意義上的區域...