代码随想录算法训练营第二十八天 | 贪心算法 part02

122.买卖股票的最佳时机 II

贪心策略是收集每一天正的利润值。

class Solution {
public:
    int maxProfit(vector<int>& prices) {
        int result = 0;
        for (int i = 1; i < prices.size(); ++i) {
            result += max(0, prices[i] - prices[i - 1]);
        }
        return result;
    }
};

55. 跳跃游戏

重要的不是怎么跳跃，而是覆盖范围。
那么怎么跟踪覆盖范围呢？通过遍历覆盖范围内的元素，及时更新新的覆盖范围，当覆盖范围超过最后一个下标，返回true。

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int cover = 0;
        if (nums.size() == 1)
            return true;
        for (int i = 0; i <= cover; ++i) {
            cover = max(cover, nums[i] + i);
            if (cover >= nums.size() - 1)
                return true;
        }
        return false;
    }
};

45.跳跃游戏 II

初始覆盖范围是0，数组第一个元素。遍历覆盖元素，并且记录下一个覆盖范围的最大值，当遍历完覆盖范围，且没有到达终点，计数+1，更新覆盖范围。

class Solution {
public:
    int jump(vector<int>& nums) {
        int cur = 0, next = 0;
        int result = 0;
        for (int i = 0; i < nums.size(); ++i) {
            next = max(next, i + nums[i]);
            if (i == cur) {
                if (i != nums.size() - 1) {
                    result++;
                    cur = next;
                    if (cur >= nums.size() - 1)
                        break;
                }
            }
        }
        return result;
    }
};

1005.K次取反后最大化的数组和

我原本的想法是循环k次，每次都对数组排序，将最小的元素取反。这个策略效率太低。
贪心策略是先按绝对值排序，然后先把负数取反；然后根据剩余的翻转次数，对最小的数进行取反。
通过更小的颗粒度处理，提高了效率。

class Solution {
    static bool compare(int a, int b) {
        return abs(a) > abs(b);
    } 
public:
    int largestSumAfterKNegations(vector<int>& nums, int k) {
        sort(nums.begin(), nums.end(), compare);
        for (int i = 0; i < nums.size(); ++i) {
            if (nums[i] < 0 && k > 0) {
                k--;
                nums[i] *= -1;
            }
        }

        if (k % 2)
            nums[nums.size() - 1] *= -1;
        int result = accumulate(nums.begin(), nums.end(), 0);
        return result;
    }
};