122.买卖股票的最大时间Ⅱ
思路:最终利润是可以分解的。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。
换个角度来看:就是把股票的价格波动写出来,单调上升就是盈利,题解就是每一段单调上升的总和。如[7, 1, 5, 10, 3, 6, 20, 4]转换为价格波动就是[0, -6, 4, 5, -2, 3, 14, -2],将其中单调上升的区间加起来就4+5+3+14=26.
class Solution:
def maxProfit(self, prices: List[int]) -> int:
result = 0
for i in range(1, len(prices)):
result += max(prices[i] - prices[i - 1], 0) # 只记录正利润
return result
55.跳跃游戏
思路:本题关键在于计算每一次跳跃能到达的最大范围,不需要考虑到底应该跳几步。
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。
class Solution:
def canJump(self, nums: List[int]) -> bool:
if len(nums) == 1: # 当数组中仅有一个元素时必定成功
return True
maxstep = 0 # maxstep为当前能跳跃到的最大范围,初始为0
for i in range(len(nums) - 1): # 遍历数组
if i <= maxstep and nums[i] + i >= maxstep: # 如果在当前跳跃的范围内(i<=maxstep)存在能够跳跃的更远距离
maxstep = nums[i] + i # 更新最大范围
if maxstep >= len(nums) - 1: # 如果最大范围能够到达数组终点就返回True
return True
return False # 遍历完整个数组后如果都不能到达终点就返回False
45.跳跃游戏Ⅱ
思路:与前一题类似,需要在计算最大跳跃范围时增加一个计数来统计走过的步数。首先想到的方法是直接采用两层循环,第一个while循环遍历数组,第二个for循环遍历数组中从i到maxstep中间的部分,也就是从i出发能够到达的所有位置。如果途中遇到了nums[i] + i的值比当前的最大范围maxstep还要大,那么就更新maxstep的值,并将j的值赋给i,意为下一次从j出发。找到当前范围内的最大值后,将当前步数+1,然后判断maxstep >= len(num) - 1是否成立,是则直接返回count,否则继续遍历。
class Solution:
def jump(self, nums: List[int]) -> int:
if len(nums) == 1: # 若长度为1则结果为0步
return 0
maxstep, count, i = 0, 0, 0 # 最大范围,步数和遍历下标i初始为0
while i < len(nums): # 外层从0开始遍历数组
for j in range(i, maxstep + 1): # 内层遍历从下标i到maxstep的部分
if nums[j] + j > maxstep: # 如果j位置能到达的最大范围大于当前maxstep
maxstep = nums[j] + j # 更新最大范围
count += 1 # 内层找到最大值后步数+1,认为完成了一次跳跃
i = j # 下次循环i从j开始
if maxstep >= len(nums) - 1: # 大于等于终点位置则返回步数
return count
贪心的思路,局部最优:当前可移动距离尽可能多走,如果还没到终点,步数再加一。
整体最优:一步尽可能多走,从而达到最少步数。
移动下标达到了当前覆盖的最远距离下标时(内层for循环结束),步数就要加一,来增加覆盖距离。最后的得到的步数就是最少步数。