代码随想录算法训练营第三十二天 | 122.买卖股票的最佳时机II、55. 跳跃游戏、45.跳跃游戏II

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）