# 「力扣」第 455 题：分发饼干（中等）
# 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.
提示：
「贪心算法」的直觉 1：
如果最小的饼干都不能满足胃口最小的小朋友，那么这块最小的饼干一定也不能满足比他（她）还贪心的小朋友。此时我们舍弃这块饼干。
因此当前问题贪心的点是：如果一个小朋友的胃口大小是 a ，我们在分配饼干的时候，给能他（她）大小为 a 的饼干，绝对不会给大小为 a + 1 的饼干，因此「贪心算法」应用在这个问题里，是一种「吝啬」的策略。
参考代码 1：
import java.util.Arrays;
public class Solution {
public int findContentChildren(int[] g, int[] s) {
int gLen = g.length;
int sLen = s.length;
if (sLen == 0) {
return 0;
}
Arrays.sort(g);
Arrays.sort(s);
int gIndex = 0;
int sIndex = 0;
while (gIndex < gLen && sIndex < sLen) {
// 用最小的饼干去满足贪心程度最低的小朋友
if (g[gIndex] <= s[sIndex]) {
gIndex++;
sIndex++;
} else {
sIndex++;
}
}
return gIndex;
}
}
复杂度分析：
- 时间复杂度：
，其中 和 分别是数组 g和s的长度； - 空间复杂度：
。
「直觉 1」的「吝啬」的策略相比，我们还可以想出一种「大方」的策略。
「贪心算法」的直觉 2：
给最贪心的小朋友最大的饼干。如果最大的这块饼干都不能满足最贪心的小朋友，此时我们需要放弃最贪心的小朋友，进而考虑次贪心的小朋友。
参考代码 2：
import java.util.Arrays;
public class Solution {
public int findContentChildren(int[] g, int[] s) {
int gLen = g.length;
int sLen = s.length;
if (sLen == 0) {
return 0;
}
Arrays.sort(g);
Arrays.sort(s);
int gIndex = gLen - 1;
int sIndex = sLen - 1;
int res = 0;
while (gIndex >= 0 && sIndex >= 0) {
if (s[sIndex] >= g[gIndex]) {
sIndex--;
gIndex--;
res++;
} else {
gIndex--;
}
}
return res;
}
}
复杂度分析：（同参考代码 1）。
# 贪心算法（两个方向） + 优先队列（Python 代码）
# 方法一：尽量用小的饼干满足贪心指数小的小朋友
如果小的饼干满足不了贪心指数小的小朋友，就放弃这个小的饼干。例如：g=[2, 3], s=[1, 2, 3]。
Python 代码：
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
g.sort()
s.sort()
gi = 0
si = 0
res = 0
while gi < len(g) and si < len(s):
if s[si] >= g[gi]:
si += 1
gi += 1
res += 1
else:
si += 1
return res
由于每一次都从数组 g 和数组 s 中取出最小者进行比较，因此比较容易想到使用小顶堆。
Python 代码：
import heapq
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
heapq.heapify(g)
heapq.heapify(s)
res = 0
# 如果小的饼干满足不了贪心指数最小的小朋友，就放弃这个饼干
while g and s:
if s[0] >= g[0]:
heapq.heappop(g)
heapq.heappop(s)
res += 1
else:
heapq.heappop(s)
return res
# 方法二：尽量用大的饼干满足贪心指数大的小朋友
如果最大的饼干都满足不了这个最贪心的小朋友，就放弃这个小朋友。例如：g=[4, 1], s=[3, 2, 1]。
Python 代码：
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
g.sort(reverse=True)
s.sort(reverse=True)
gi = 0
si = 0
res = 0
while gi < len(g) and si < len(s):
if s[si] >= g[gi]:
si += 1
gi += 1
res += 1
else:
gi += 1
return res
由于每一次都从数组 g 和数组 s 中取出最大者进行比较，因此比较容易想到使用大顶堆。由于 Python 中默认的堆是小顶堆，因此在代码上要做一定的预处理，如下所示。
Python 代码：
class Solution:
def findContentChildren(self, g: List[int], s: List[int]) -> int:
g = [(-num, num) for num in g]
s = [(-num, num) for num in s]
heapq.heapify(g)
heapq.heapify(s)
# 如果最大的饼干都满足不了胃口最大的小朋友，就放弃这个小朋友
res = 0
while g and s:
if s[0][1] >= g[0][1]:
heapq.heappop(g)
heapq.heappop(s)
res += 1
else:
heapq.heappop(g)
return res
作者：liweiwei1419 链接：https://suanfa8.com/greedy/solutions/0455-assign-cookies 来源：算法吧 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。