贪心算法

什么是贪心算法？

• 贪心算法是一种算法思想。
• 期望通过每个阶段的局部最优选择，达到全局最优
• 但是结果不一定最优

反面示例（无法到达最优解）

零钱兑换
按照贪心算法的思想，先从最大的来取值以达到最优解。
但是第一个可以，第二个不可以。

输入：coins = [1, 2, 5]  amount = 11
输出：3
解释：11 = 5 + 5 + 1

// 不是最优解
输入：coins = [1, 3, 4]  amount = 6
输出：3
解释：11 = 4 + 1 + 1

分发饼干（leetcode - 455）

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

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。


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.

思路

• 对饼干数组和胃口数组进行升序排序
• 遍历饼干数组，找到能满足第一个孩子的饼干
• 继续遍历饼干数组，直至循环结束，到处可以满足第n个孩子的饼干

var findContentChildren = function(g, s) {
    g.sort((a, b) => a - b)
    s.sort((a, b) => a - b)
    let i = 0;
    s.forEach(n => {
        if(n >= g[i]) {
            i++
        }
    })
    return i;
};

时间复杂度：O(nlogn+mlogm)
空间复杂度：O(logn + logm)