122. 买卖股票的最佳时机 II
思路
最终利润是可以分解的,比如,计算第 0 天买入,第 3 天卖出的利润,就等于拆开单天理论总和
因此可以用贪心算法,只要每天为正的利润(局部最优),就能获得全局最大利润(全局最优)
解题方法
描述你的解题方法
复杂度
-
时间复杂度: O ( n ) O(n) O(n)
-
空间复杂度: O ( 1 ) O(1) O(1)
Code
class Solution {
// 最终利润是可以分解的,比如,计算第 0 天买入,第 3 天卖出的利润,就等于拆开单天理论总和
// 因此可以用贪心算法,只要每天为正的利润(局部最优),就能获得全局最大利润(全局最优)
public int maxProfit(int[] prices) {
int profit = 0;
for (int i = 1; i < prices.length; i++) {
int dayProfit = prices[i] - prices[i - 1];
if (dayProfit >= 0) {
profit += dayProfit;
}
}
return profit;
}
}
55. 跳跃游戏
思路
不一定非要明确一次究竟跳几步,每次取最大的跳跃步数,这个就是可以跳跃的覆盖范围。
这个范围内,别管是怎么跳的,反正一定可以跳过来。
问题就转化为跳跃覆盖范围究竟可不可以覆盖到终点
解题方法
贪心算法
- 局部最优解:每次取最大跳跃步数(取最大覆盖范围)
- 整体最优解:最后得到整体最大覆盖范围,看是否能到终点
复杂度
-
时间复杂度: O ( n ) O(n) O(n)
-
空间复杂度: O ( 1 ) O(1) O(1)
Code
class Solution {
// 不一定非要明确一次究竟跳几步,每次取最大的跳跃步数,这个就是可以跳跃的**覆盖范围**。
// 这个范围内,别管是怎么跳的,反正一定可以跳过来。
// 那么这个问题就转化为跳跃覆盖范围究竟可不可以覆盖到终点!
// 贪心算法
// * 局部最优解:每次取最大跳跃步数(取最大覆盖范围)
// * 整体最优解:最后得到整体最大覆盖范围,看是否能到终点
public boolean canJump(int[] nums) {
if (nums.length == 1) {
return true;
}
// 以索引为准,最初位于索引为0的地方
int maxCover = 0;
for (int i = 0; i < nums.length - 1; i++) {
if (maxCover < i) {
return false;
}
int tempCover = i + nums[i];
maxCover = Math.max(maxCover, tempCover);
}
return maxCover >= nums.length - 1;
}
}
45. 跳跃游戏 II
思路
从覆盖范围出发,不管怎么跳,覆盖范围内一定是可以跳到的,以最小的步数增加覆盖范围,覆盖范围一旦覆盖了终点,得到的就是最少步数
换言之,就是每次都在上一次覆盖范围结束前,获得最大的下一次覆盖范围,在两者交界处步数 + 1
解题方法
- 逐个遍历元素,选择当前范围内所能获得的最大下一步覆盖范围
- 到达当前范围的末端后,将当前范围替换为最大的下一步覆盖范围,并将步数 + 1
注意:
- 最后一个元素不用遍历,倒数第二个已经处理好了
复杂度
-
时间复杂度: O ( n ) O(n) O(n)
-
空间复杂度: O ( 1 ) O(1) O(1)
Code
class Solution {
// 从覆盖范围出发,不管怎么跳,覆盖范围内一定是可以跳到的,**以最小的步数增加覆盖范围**,覆盖范围一旦覆盖了终点,得到的就是最少步数
// 统计两个覆盖范围,当前这一步的最大覆盖和下一步最大覆盖
public int jump(int[] nums) {
// 一定有答案
int result = 0;
int curMaxCover = 0;
int nextMaxCover = 0;
for (int i = 0; i < nums.length - 1; i++) {
// 选择当前范围内所能获得的最大下一步覆盖范围
nextMaxCover = Math.max(nextMaxCover, nums[i] + i);
// 到达当前范围的末端后,将当前范围替换为最大的下一步覆盖范围,并将步数 + 1
if (i == curMaxCover) {
curMaxCover = nextMaxCover;
result++;
}
}
return result;
}
}