代码随想录学习Day 28

122.买卖股票的最大时间Ⅱ

题目链接

讲解链接

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

题目链接

讲解链接

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

题目链接

讲解链接

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。