用javascript分类刷leetcode4.贪心(图文视频讲解)

什么是贪心算法

贪心法，又称贪心算法，贪婪算法，在对问题求解时，总是做出在当前看来最好的选择，期望通过每个阶段的局部最优选择达到全局最优，但结果不一定最优

适用场景：简单的说，问题能够分解成子问题来解决，子问题的最优解能递推到最终问题的最优解，就能用贪心算法的到最后的最优解，这种子问题最优解称为最优子结构

贪心算法与动态规划的不同点在于它对每个子问题的解决方案都做出当前的最优选择，不能回退，而动态规划会保留之前的运算结果，并根据之前的结果进行选择，有回退的功能，贪心是动态规划的理想化的情况。

122. 买卖股票的最佳时机 II（medium）

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

方法1.动态规划

• 思路：根据题意只能持有一只股票，不限制交易次数，我们可以用动态规划来做，首先定义状态，题中有两个状态，一个是天数，一个是是否持有股票，所以我们定义dp[i][0]表示第 i天交易完后手里没有股票的最大利润，dp[i][1] 表示第 i天交易完后手里持有一支股票的最大利润，接下来就是定义状态转移方程：

  1. 假如当前的状态是dp[i][0]，表示手中没股票，则可由前一天的两种情况转移过来，第一种是dp[i-1][0]，表示前一天手里没股票，而且今天没做任何操作。第二种是dp[i-1][1]，表示前一天持有股票，但是今天卖了，所以收益是dp[i-1][1]+prices[i]，我们需要求出这两种情况下的最大值就是最大利润，状态转移方程就是：

     dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);

  2. 假如当前的状态是dp[i][1]，表示手中有股票，则可由前一天的两种情况转移过来，第一种是dp[i−1][1]，表示前一天手中有股票，即是今天没做任何操作。第二种是dp[i−1][0]，表示前一天没有股票，但是今天买进了，所以收益是dp[i-1][1]-prices[i]，我们需要求出这两种情况下的最大值就是最大利润，状态转移方程就是：

     dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);

  由上面的状态转移方程我们知道，当前天的最大收益，只与前一天的状态相关，所以我们可以不用定义二维数组来存放状态，只需要将dp[i - 1][0]，dp[i - 1][1]存放在变量中。

• 复杂度分析：时间复杂度：O(n)，n是数组长度，每天有持有股票或者没持有两种状态，一共2n的状态转移次数，时间复杂度就是O(2n)，时间复杂度和常系数无关，所以时间复杂度就是O(n)。空间复杂度O(n)，因为要开辟n的空间存放状态，虽然是二维数组，但是第二维是常数。如果进行了状态压缩，空间复杂度可以优化到O(1)

js:

var maxProfit = function (prices) {
   
    const n = prices.length;
    const dp = new Array(n).fill(0).map((v) => new Array(2).fill(0)); //初始化状态数组
    (dp[0][0] = 0), (dp[0][1] = -prices[0]); //3.定义初始值
    for (let i = 1; i < n; ++i) {
   
        //1.确定状态
        //2.推导状态转移方程
        //当前没持有股票，可由前一天的两种状态转移过了，
          //1是前一天没持有，今天不动，2是前一天持有，今天卖掉，求这两种情况的较大值
        dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i]);
        //当前持有股票，可由前一天的两种状态转移过了，
          //1是前一天持有，今天不动，2是前一天没持有，今天买入，求这两种情况的较大值
        dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
    }
    //4.确定输出值
    return dp[n - 1][0]; //返回第n-1天的最大值
};

//空间压缩
var maxProfit = function (prices) {
   
    const n = prices.length;
    let dp0 = 0,
        dp1 = -prices[0];
    for (let i = 1; i < n; ++i) {
   
        let newDp0 = Math.max(dp0, dp1 + prices[i]);
        let newDp1 = Math.max(dp1, dp0 - prices[i]);
        dp0 = newDp0;
        dp1 = newDp1;
    }
    return dp0;
};

方法2.贪心

• 思路：因为不限制交易次数，只要今天价格比昨天高，就交易，利润为正累加，最后的和就是最大的利润，注意第一天是没有利润的，这道题之所以可以用贪心是因为局部最优：收集每天的正利润，可以推导出，全局最优：求得最大利润。
• 复杂度分析：时间复杂度O(n)，n是数组的长度。空间复杂度是O(1)

js:

var maxProfit = function (prices) {