题目链接:122.买卖股票的最佳时机II
文章讲解:代码随想录 122.买卖股票的最佳时机II讲解
视频讲解:贪心算法也能解决股票问题!LeetCode:122.买卖股票最佳时机 II
思路和解法
题目:
给你一个整数数组 prices ,其中 prices[i] 表示某支股票第 i 天的价格。
在每一天,你可以决定是否购买和/或出售股票。你在任何时候 最多 只能持有 一股 股票。你也可以先购买,然后在 同一天 出售。
返回 你能获得的 最大 利润 。
想法:
见注释,思路写的很详细了,把每一步写代码时的思考都写了。
class Solution {
public:
//要计算所有从低到高峰值区间的差值并累加起来 只计算利润即可
//要遍历 遍历过程中记录每次低的开头 遇到最高时更新 并重新计算累加值并把前面的累加值存到结果中
//在一个递增区间内 每天都买 第二天卖和第一天买最后一天卖是一样的 这样考虑可以省去记录区间的麻烦
int maxProfit(vector<int>& prices) {
int result = 0;
for (int i = 0; i < prices.size() - 1; i++) {
//只有递增才累加进来
result += max(prices[i + 1] - prices[i], 0);
}
return result;
}
};
题目链接:55. 跳跃游戏
文章讲解:代码随想录 55. 跳跃游戏讲解
视频讲解:贪心算法,怎么跳跃不重要,关键在覆盖范围 | LeetCode:55.跳跃游戏
思路和解法
题目:
给你一个非负整数数组 nums ,你最初位于数组的 第一个下标 。数组中的每个元素代表你在该位置可以跳跃的最大长度。
判断你是否能够到达最后一个下标,如果可以,返回 true ;否则,返回 false 。
想法:
见注释,思路写的很详细了,把每一步写代码时的思考都写了。
class Solution {
public:
//每次跳的范围是有限的,要尽可能往远跳的话,就要在当前跳跃的范围内找到下一次可以跳的范围最大的,选择更多 这是自己的思路 没写出来
//通过一次遍历完成函数 遍历到每个位置时都更新目前可跳的最远位置,并继续向最远位置遍历,如果位置覆盖到了终点就返回true,否则就返回false
bool canJump(vector<int>& nums) {
//特殊情况
if (nums.size() == 1) return true;
//初始覆盖位置 下标
int cover = 0;
for (int i = 0; i <= cover; i++) {
//覆盖位置就是cover 每次都要更新cover
cover = max(cover, i + nums[i]);
if (cover >= nums.size() - 1) return true;
}
return false;
}
};
题目链接:45.跳跃游戏II
文章讲解:代码随想录 45.跳跃游戏II讲解
视频讲解:贪心算法,最少跳几步还得看覆盖范围 | LeetCode: 45.跳跃游戏 II
思路和解法
题目:
给定一个长度为 n 的 0 索引整数数组 nums。初始位置为 nums[0]。
每个元素 nums[i] 表示从索引 i 向前跳转的最大长度。换句话说,如果你在 nums[i] 处,你可以跳转到任意 nums[i + j] 处:
0 <= j <= nums[i]
i + j < n
返回到达 nums[n - 1] 的最小跳跃次数。生成的测试用例可以到达 nums[n - 1]。
想法:
见注释,思路写的很详细了,把每一步写代码时的思考都写了。
class Solution {
public:
int jump(vector<int>& nums) {
//还是需要遍历,我们用一次遍历完成函数 遍历整个数组!!!!
//事实上每次要尽可能跳到下次跳跃最远的位置 除非已经可以跳到终点了
//所以遍历每次要更新下次可跳的最远下标 如果当前跳不到终点 那么最终会走到当前可跳最远下标,这时要更新当前可跳最远下标 同时步数+1代表这一步必须要走,其实是走到了当前可跳范围内下次可跳范围最大的位置
//还要考虑一下边界条件,什么时候判断可以跳最后一步,每次更新完当前可跳最远下标时判断,如果到不了终点 说明接下来这一步必须要走 但这一步的次数在下一次算上,如果判断可以到终点,直接再+1
//当前可跳最远下标
int curDistance = 0;
//记录步数 初始化为0
int count = 0;
//下次可跳最远下标 在遍历中要不断更新
int nextDistance = 0;
//特殊情况 注意是0步
if (nums.size() == 1) return 0;
//开始遍历
for (int i = 0; i <= nums.size() - 1; i++) {
//更新下次可跳最远下标
nextDistance = max(nextDistance, i + nums[i]);
if (i == curDistance) {
count++;
curDistance = nextDistance;
}
if (curDistance >= nums.size() - 1) {
//注意这里不加 哪里考虑错了呢 第一次遍历的时候默认会count + 1,因为curDistance初始化为0 所以这里就不加了
// count++;
break;
}
}
return count;
}
};
一点感悟
从贪心算法开始明显需要思维更开阔灵活一些才能成功解答问题。我认为难点就在于对于一些特殊情况和边界条件的考虑,像是提供的数组仅含一个元素的这种特殊情况单独写判断就好了,但是其他的情况中,为了解决特殊情况和写出准确的边界条件往往是杂糅在一起的。这导致的问题就是很多时候思路很清晰,但是代码实现起来总是差一点。我认为解决办法就是一定要先固定一个规则中的意义,否则两头一起考虑问题非常容易乱,这个思想和以前的循环不变量有相似之处,我尽量在后面的记录里指出这个思路的应用方法。(如果我真的能总结出来的话)