代码随想录算法训练营第三十四天| 122.买卖股票的最佳时机 II、55. 跳跃游戏、45.跳跃游戏 II

122.买卖股票的最佳时机 II

文档讲解：代码随想录

题目链接：. - 力扣（LeetCode）

本题首先要清楚两点：

• 只有一只股票！
• 当前只有买股票或者卖股票的操作

想获得利润至少要两天为一个交易单元

贪心算法

这道题目可能我们只会想，选一个低的买入，再选个高的卖，再选一个低的买入.....循环反复。

（但是高低点我们把握不好）

如果想到其实最终利润是可以分解的，那么本题就很容易了！

如何分解呢？

假如第 0 天买入，第 3 天卖出，那么利润为：prices[3] - prices[0]。

相当于(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。

此时就是把利润分解为每天为单位的维度，而不是从 0 天到第 3 天整体去考虑！

那么根据 prices 可以得到每天的利润序列：(prices[i] - prices[i - 1]).....(prices[1] - prices[0])。

从图中可以发现，其实我们需要收集每天的正利润就可以，收集正利润的区间，就是股票买卖的区间，而我们只需要关注最终利润，不需要记录区间。

那么只收集正利润就是贪心所贪的地方！

局部最优：收集每天的正利润，全局最优：求得最大利润。

局部最优可以推出全局最优，找不出反例，试一试贪心！

class Solution:
    def maxProfit(self, prices: List[int]) -> int:
        # 初始化利润为0
        result = 0
        
        # 遍历价格列表，从第一个元素到倒数第二个元素
        for i in range(len(prices) - 1):
            # 如果下一天的价格比今天高
            if prices[i + 1] > prices[i]:
                # 将两天之间的价格差加到利润中
                result += (prices[i + 1] - prices[i])
        
        # 返回最终的最大利润
        return result

55. 跳跃游戏

文档讲解：代码随想录

题目链接：. - 力扣（LeetCode）

思路

刚看到本题一开始可能想：当前位置元素如果是 3，我究竟是跳一步呢，还是两步呢，还是三步呢，究竟跳几步才是最优呢？因为跳到不同的地方，影响了下一次能够跳跃的步数

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！

每次移动取最大跳跃步数（得到最大的覆盖范围），每移动一个单位，就更新最大覆盖范围。

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。

局部最优推出全局最优，找不出反例，试试贪心！

class Solution:
    def canJump(self, nums: List[int]) -> bool:
        if len(nums) == 1:
            return True
        cover = 0
        i = 0
        # for i in range(0,cover+1): #不能这样写，python不支持动态修改for循环中变量,使用while循环代替
        while i <= cover:
            
            cover =  max(i+nums[i],cover)
            i += 1
            if cover>= len(nums)-1:
                return True
            # i += 1
        return False

45.跳跃游戏 II

文档讲解:代码随想录

题目链接：. - 力扣（LeetCode）

本题相对于55.跳跃游戏 (opens new window)还是难了不少。上一题只是看覆盖范围，而本题还要计算最少步数

本题要计算最少步数，那么就要想清楚什么时候步数才一定要加一呢？

当当前的最大覆盖范围达不到数组末尾时，才需要加1

真正解题的时候，要从覆盖范围出发，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！

这里需要统计两个覆盖范围，当前这一步的最大覆盖和下一步最大覆盖。

如果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来增加覆盖范围，直到覆盖范围覆盖了终点。

class Solution:
    def jump(self, nums: List[int]) -> int:
        # 如果数组长度为1，表示不需要跳跃，返回0
        if len(nums) == 1:
            return 0

        # 初始化当前覆盖范围和下一步的最大覆盖范围
        cover_cur = 0
        cover_next = 0
        # 初始化跳跃次数
        result = 0
        # 初始化遍历指针
        i = 0

        # 遍历数组，直到当前覆盖范围的尽头
        while i <= cover_cur:
            # 更新下一步的最大覆盖范围
            cover_next = max(i + nums[i], cover_next)
            # 移动指针
            i += 1

            # 当指针到达当前覆盖范围的尽头时
            if (i - 1 == cover_cur):
                # 如果当前覆盖范围没有到达数组终点
                if cover_cur != len(nums) - 1:
                    # 增加跳跃次数
                    result += 1
                    # 更新当前覆盖范围为下一步的最大覆盖范围
                    cover_cur = cover_next
                    # 如果当前覆盖范围已经到达或超过终点，则结束循环
                    if cover_cur >= len(nums) - 1:
                        break
                else:
                    break

        # 返回跳跃次数
        return result