贪心算法的做题流程:遇事不决看题解,反正如果面试到贪心算法的题,没做过基本上想不出来的
122.买卖股票的最佳时机II
想不到这道题的思路是因为我还不够贪
如何贪心?既然每天都可买卖,那么
只要第二天卖能够赚,我们就第一天买入然后第二天卖;然后到了第二天,如果第三天卖能够赚,我们就第二天再买入然后第三天卖......
就是把利润分解为每两天为单位的维度,而不是连续几天整体去考虑(只考虑第一天买第二天卖能不能赚,不考虑长远)
这样总共能赚的买卖方案就是day2买day3卖,然后day3买day4卖(即相当于day2买day4卖,只不过我们将其分解,而非连续几天去考虑),然后day5买day6买,一共能赚的利润就是4+5+3
代码如下
class Solution {
public:
int maxProfit(vector<int>& prices) {
vector<int> perProfit; // 每两天买卖的利润
for (int i = 1; i < prices.size(); ++i)
perProfit.push_back(prices[i] - prices[i - 1]);
int result = 0;
for (auto i : perProfit)
if (i > 0) result += i; // 只要那两天买卖的利润大于0,我们就在那两天买卖
return result;
}
};
贪心算法做题就像脑筋急转弯,想不到就是想不到,想到了就很简单了
股票问题的通法其实还有动态规划,我们将在后续讲解
55.跳跃游戏
核心思路:
其实跳几步无所谓,关键在于可跳的覆盖范围!
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!
我们需要维护一个变量cover,表示可覆盖范围
class Solution {
public:
bool canJump(vector<int>& nums) {
int cover = 0;
if (nums.size() == 1) return true; // 只有一个元素,就是能达到
for (int i = 0; i <= cover; i++) { // 注意这里是小于等于cover,因为是在可覆盖范围中跳跃
cover = max(i + nums[i], cover); // 不断更新可覆盖范围
if (cover >= nums.size() - 1) return true; // 说明可以覆盖到终点了
}
return false;
}
};
45.跳跃游戏II
还是关注覆盖范围
移动下标达到了当前这一步的最大覆盖最远距离了,还没有到终点的话,那么就必须再走一步,更新覆盖范围,直到覆盖范围覆盖了终点
需要统计两个覆盖范围,当前这一步的最大覆盖和下一步我们应该更新覆盖为多少
贪心的思想是:下一步应该更新的覆盖应该尽可能能到达更远距离
class Solution {
public:
int jump(vector<int>& nums) {
if (nums.size() == 1) return 0; // 如果nums长度为1,不用跳
int curDistance = nums[0]; // 当前覆盖最远距离下标,初始化为初始位置值
int step = 1; // 记录步数,至少为1步,初始化为1
int nextDistance = INT_MIN; // 下一步覆盖最远距离下标
for (int i = 1; i < nums.size(); i++) { // 移动下标
nextDistance = max(nums[i] + i, nextDistance); // 更新下一步覆盖最远距离下标,贪心思想体现在这里,我们希望“下一步应该更新的覆盖应该尽可能能到达更远距离”
if (i == curDistance) { // 走到当前覆盖最远距离下标
if (i < nums.size() - 1) { // 如果当前位置不是终点
step++; // 需要走下一步
curDistance = nextDistance; // 更新当前覆盖最远距离下标
if (nextDistance >= nums.size() - 1) break; // 下一步的覆盖范围已经可以达到终点,结束循环
} else break; // 当前覆盖最远距到达集合终点,不用做step++操作了,直接结束
}
}
return step;
}
};
详见代码注释。反正这道题没见过不可能想到
回顾总结
贪心算法的特点就是东一下西一下的,没做过根本想不到