代码随想录算法训练营第三十二天 | LeeCode 122.买卖股票的最佳时机II ， 55. 跳跃游戏 ， 45.跳跃游戏II

题目链接：122. 买卖股票的最佳时机 II - 力扣（LeetCode）

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

这就是贪心算法吗，虽然不是很明白，但是确实挺精妙的，其实一开始我按昨天的一个思路，找连续序列的最大值和最小值，写了挺多的if语句，很繁琐。

再看一下这个解答，惊了。还能这样！细想一下，可不就是这样吗，找相邻的正差值来相加，就是我们要求的了。算法题真的是越做越感觉我的思路太僵化了，真的不会灵活转换一下。

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！

题目链接：55. 跳跃游戏 - 力扣（LeetCode）

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

一开始是想通过找0来解决，如果有一个0如何都不能跨越的话那么这就是false ，这是一个很只管的想法，只能说还是浅薄了点。

看了贪心算法，虽然想不出来什么贪心，但看了解答之后好像又觉得确实贪心。从局部到整体，想不出反例就试试贪心。确实有用。

每次取这个数的最大覆盖范围为cover，然后就逐个检查每个下标的最大覆盖范围有无大于cover，如果大于cover就更新，如果没有就不变。如此这样，知道cover大于这个数组的长度，所以就可以得出一个true；否则就是false.

题目链接：45. 跳跃游戏 II - 力扣（LeetCode）

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

真的难啊，不管是贪心还是不贪心，这种贪心的思路正常情况下我是写不出来的。

本质上是在遍历数组的同时找每一步的最大覆盖到的下标nextDistance , 一直比较nextDistance和nums[i]+i的大小，取最大的，就是说取能覆盖的最大范围。直到下标到curDistance的地方。这时候，让curDistance=nextDistance就行，然后让步数加一。

本质上这种解法和题目是差不多逻辑的。就是方法比较难想出来。如果新的i+nums[i]所能表示的坐标是远于当前的nextdistance的话，那么我们选择的就是这个nextdistance范围内所能取到的表示距离最远的那一个数。然后我们走到了curdistance的地方，也就是这一步的next distance所对应的地方，因为我们已经更新了nexdistance，所以就当作是在合理范围内走了一步，并选择了最好的下一步，然后我们就把我们已经选好的最远的下一步坐标的值赋给curdistance就行。