初级算法
题目1
题干:
给你一个 升序排列 的数组 nums ,请你 原地 删除重复出现的元素,使每个元素 只出现一次 ,返回删除后数组的新长度。元素的 相对顺序 应该保持 一致 。
由于在某些语言中不能改变数组的长度,所以必须将结果放在数组nums的第一部分。更规范地说,
如果在删除重复项之后有 k 个元素,num的前 k 个元素应该保存最终结果。
将最终结果插入num的前 k 个位置后返回 k 。
不要使用额外的空间,你必须在 原地 修改输入数组 并在使用 O(1) 额外空间的条件下完成。
示例1
输入:nums = [1,1,2]
输出:2, nums = [1,2]
解释:函数应该返回新的长度 2 ,并且原数组 nums 的前两个元素被修改为 1, 2 。不需要考虑数组中超出新长度后面的元素。
示例2
输入:nums = [0,0,1,1,1,2,2,3,3,4]
输出:5, nums = [0,1,2,3,4]
解释:函数应该返回新的长度 5 , 并且原数组 nums 的前五个元素被修改为 0, 1, 2, 3, 4 。不需要考虑数组中超出新长度后面的元素。
提示
1 <= nums.length <= 3 * 104
-104 <= nums[i] <= 104
nums 已按 升序 排列
思路1
-
方法
双指针
-
核心内容
1.去除异常条件 2.使用双指针,左右指针分别从0和1开始 3.遍历数组 4.如果f[i] != f[j] 将f[j]赋值给f[i+1],然后i++ 5.返回i+1
针对思路1优化
-
方法
双指针
-
核心内容
1.当前每次比较的时候,需要进行原地的赋值,其实是没有意义的 2.小优化:只有当左右指针的差距大于1,才需要进行赋值
代码:
思路1
class Solution {
public int removeDuplicates(int[] nums) {
if (nums == null || nums.length == 0) {
return 0;
}
int i = 0, j = 1;
while (j < nums.length) {
if (nums[i] != nums[j]) {
nums[i + 1] = nums[j];
i++;
}
j++;
}
return i + 1;
}
}
优化思路
class Solution {
public int removeDuplicates(int[] nums) {
if (nums == null || nums.length == 0) {
return 0;
}
int i = 0, j = 1;
while (j < nums.length) {
if (nums[i] != nums[j]) {
if (j - i > 1) {
nums[i + 1] = nums[j];
}
i++;
}
j++;
}
return i + 1;
}
}
题目2
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。
示例1
输入:prices = [7,1,5,3,6,4]
输出:7
解释:在第 2 天(股票价格 = 1)的时候买入,在第 3 天(股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。
随后,在第 4 天(股票价格 = 3)的时候买入,在第 5 天(股票价格 = 6)的时候卖出, 这笔交易所能获得利润 = 6 - 3 = 3 。总利润为 4 + 3 = 7 。
示例2
输入:prices = [1,2,3,4,5]
输出:4
解释:在第 1 天(股票价格 = 1)的时候买入,在第 5 天 (股票价格 = 5)的时候卖出, 这笔交易所能获得利润 = 5 - 1 = 4 。总利润为 4 。
示例3
输入:prices = [7,6,4,3,1]
输出:0
解释:在这种情况下, 交易无法获得正利润,所以不参与交易可以获得最大利润,最大利润为0。
提示
1 <= prices.length <= 3 * 104
0 <= prices[i] <= 104
思路1
-
方法
动态规划(二维数组)
-
核心内容
数组定义: f[i][0]表示第i天没有持有股票的最大利润,f[i][1]表示第i天持有股票的最大利润 有两种情况(转移方程): 1.如果当前卖出股票的最大值:f[i][0] = max(f[i - 1][0], f[i - 1][1] + prices[i]) 2.如果当天买入股票的最大值:f[i][1] = max(f[i - 1][1], f[i - 1][0]- prices[i]) 初始条件: f[0][0] = 0 f[0][1] = -prices[i] 结果: 最后一天一定没持有股票才能获取最大利润:f[prices.length][0]
思路2(优化思路1)
-
方法
动态规划(变量)
-
核心内容
第一种方式使用的二维数组,优化为变量维护 empty表示没有持有股票的最大利润,contain表示持有股票的最大利润 有两种情况(转移方程): 1.如果当前卖出股票的最大值:empty = max(empty, contain + prices[i]) 2.如果当天买入股票的最大值:contain = max(contain, empty - prices[i]) 初始条件: empty = 0 contain = -prices[i] 结果: 最后一天一定没持有股票才能获取最大利润:empty
思路3
-
方法
贪心算法
-
核心内容
如果f[i] <= f[i + 1],此时进行累计计算即可
代码:
思路1
class Solution {
public int maxProfit(int[] prices) {
if (prices == null || prices.length == 0) {
return 0;
}
int[][] f = new int[prices.length][2];
f[0][0] = 0;
f[0][1] = -prices[0];
for (int i = 1; i < prices.length; i++) {
f[i][0] = Math.max(f[i - 1][0], f[i - 1][1] + prices[i]);
f[i][1] = Math.max(f[i - 1][1], f[i - 1][0] - prices[i]);
}
return f[prices.length - 1][0];
}
}
class Solution {
public int maxProfit(int[] prices) {
if (prices == null || prices.length == 0) {
return 0;
}
int empty = 0;
int contain = -prices[0];
for (int i = 1; i < prices.length; i++) {
empty = Math.max(empty, contain + prices[i]);
contain = Math.max(contain, empty - prices[i]);
}
return empty;
}
}
思路3
class Solution {
public int maxProfit(int[] prices) {
if (prices == null || prices.length == 0) {
return 0;
}
int max = 0;
for (int i = 0; i < prices.length - 1; i++) {
max += Math.max(prices[i + 1] - prices[i], 0);
}
return max;
}
}