今天继续学习贪心算法解决相关问题。
122.买卖股票的最佳时机||
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 。
思路:
1.本题个人的贪心思路是将所有的买卖设置为第一天买第二天卖,由此获得所有的利润,最后再将利润里为正数的局部利润提取出来全部加和得到最大的全局最优利润。没想到和代码随想录中讲解的思路对上了。
不过要系统性理解这一思路的话,应当说最终利润是可以拆除的,例如第一天买入第四天卖出,利润为prices[3] - prices[0],但实际上可以转化为(prices[3] - prices[2]) + (prices[2] - prices[1]) + (prices[1] - prices[0])。这样以此类推我们的思路就很清晰了,第i天的利润可以转化为第i天之前每一天的股票在第二天卖出的利润之和,而我们只需要找其中对最终利润有增幅作用,即正数利润即可。
class Solution {
public:
int maxProfit(vector<int>& prices) {
int result = 0;
int count = 0;
for(int i = 1; i < prices.size(); i++){
count = prices[i] - prices[i - 1];
//只保证取正数利润加入最终利润
result += max(count, 0);
}
return result;
}
};
启发:
1.本题的贪心思路与Day33中的最大子序和有异曲同工之妙,本题是只要正数利润才加入最终利润,而最大子序和是一旦连续和为负数则舍弃当前连续和并从下一个数开始重新计算新的连续和。对于这种只取正数/负数的思路需要进一步理解。
55.跳跃游戏
给定一个非负整数数组 nums ,你最初位于数组的 第一个下标 。
数组中的每个元素代表你在该位置可以跳跃的最大长度。
判断你是否能够到达最后一个下标。
示例 1:
输入:nums = [2,3,1,1,4]
输出:true
解释:可以先跳 1 步,从下标 0 到达下标 1, 然后再从下标 1 跳 3 步到达最后一个下标。
示例 2:
输入:nums = [3,2,1,0,4]
输出:false
解释:无论怎样,总会到达下标为 3 的位置。但该下标的最大跳跃长度是 0 , 所以永远不可能到达最后一个下标。
思路:
1.本题如果纠结于每一个位置上我应该跳几步可能会陷进去,可能回溯算法能够通过这一思路进行解决,但过程过于复杂。
2.因此我们换一种思路,不纠结我应该跳几步而是看我从当前位置最远能跳到哪里,即当前位置的跳跃范围覆盖到哪里,如果能够覆盖到最后一个元素,说明就可以到达最后一个下标。
class Solution {
public:
bool canJump(vector<int>& nums) {
if(nums.size() == 1) return true;
int cover = 0;//存储覆盖范围
for(int i = 0; i <=cover; i++){
cover = max(i + nums[i], cover);//取最大的覆盖范围
if(cover >= nums.size() - 1) return true;
}
return false;
}
};
启发:
1.当前位置如果需要进行多种选择产生不同的结果,我们或许可以不纠结于具体选哪一种而是看当前最极端的选择情况,这也是一种贪心的思路。
2.本题中的覆盖范围应当取最大的,不能单纯等于当前位置的覆盖范围,如示例一中最大覆盖范围应当在3的位置取得,而非在之后的1,1中取得,这样反而缩小了我们能跳的范围。