day32 | 122.买卖股票的最佳时机II、55. 跳跃游戏、45.跳跃游戏II

目录：

解题及思路学习

122.买卖股票的最佳时机II

https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/

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

思考：可以把股票的起伏画出来，肯定是要再最低的时候买，高的时候出才赚钱。要获得最大利润，则只需要，每次购买和抛售能获得利润。我想的是再最低谷买，然后下一个峰值的时候卖。如此反复。如果没有波动，一直递增就最开始买，一直递减就不买。

随想录：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！将每天的利润都统计起来，只需要将正利润计入总利润，就能得到最大利润了。

局部最优：收集每天的正利润，全局最优：求得最大利润。

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

• 时间复杂度：O(n)
• 空间复杂度：O(1)

确实十分巧妙，这个思路不容易想到。

55. 跳跃游戏

https://leetcode.cn/problems/jump-game/

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。

思考：判断是否能够达到最后一个下标。好像可以用回溯来做。

使用回溯算法的代码（会超时）：

class Solution {
public:
    
    bool backtracking(vector<int>& nums, int index) {
        if ((nums[index] + index + 1) >= nums.size()) return true;

        for(int i = 0; i < nums[index]; i++) {
            if(index + i + 1 <= nums.size()) {
                if (backtracking(nums, index + i +1)) {
                return true;
                break;
            } else {continue;}
            } else {
                return true;
            }
        }
        return false;
    }

    bool canJump(vector<int>& nums) {
        int index = 0;
        if (nums.size() == 1) return true;
        bool result = backtracking(nums, index);
        return result;
    }
};

随想录：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。

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int cover = 0;
        if (nums.size() == 1) return true; // 只有一个元素，就是能达到
        for (int i = 0; i <= cover; i++) { // 注意这里是小于等于cover
            cover = max(i + nums[i], cover);
            if (cover >= nums.size() - 1) return true; // 说明可以覆盖到终点了
        }
        return false;
    }
};

• 时间复杂度: O(n)
• 空间复杂度: O(1)

简直是妙蛙种子给妙蛙开门-秒到家了。我刚开始沿着只要能覆盖到最后的思路写，但是用了两层for循环，一层for循环负责推进，另一层for循环负责找nums[i] 对应后面区间里面的最大值和下标。 比较复杂，给我写懵了。

这个动态更新cover的思路，我只能说牛皮。！！！

以后写代码，也可以参考这种动态确定边界的方式。泰酷辣！

45.跳跃游戏II

https://leetcode.cn/problems/jump-game-ii/

给定一个长度为 n 的 0 索引整数数组 nums。初始位置为 nums[0]。

每个元素 nums[i] 表示从索引 i 向前跳转的最大长度。换句话说，如果你在 nums[i] 处，你可以跳转到任意 nums[i + j] 处:

• 0 <= j <= nums[i]
• i + j < n

返回到达 nums[n - 1] 的最小跳跃次数。生成的测试用例可以到达 nums[n - 1]。

示例 1:

输入: nums = [2,3,1,1,4]
输出: 2

思考：这道题，需要求最小跳跃次数，那么就尽量每次跳跃就选后置位最大的能跳的位置。

自己写的错误的代码：

class Solution {
public:
    int find_max(vector<int>& nums, int i) {
        int max_num = 0;
        int max_id = i;
        for (int j = i + 1; j <= i + nums[i]; j++) {
            if (nums[j] > max_num) {
                max_num = nums[j];
                max_id = j;
            }
        }
        return max_id;
    }

    int jump(vector<int>& nums) {
        int count = 0;
        if (nums.size() == 1) return count;
        int cover = 0;
        for (int i = 0; i <= cover;) {
            count++;
            cover = max(i + nums[i], cover);
            if (cover >= nums.size() - 1) {
                return count;
            }
            i = find_max(nums, i);
        }
        return count;
    }
};

ChatGPT写的代码：

class Solution {
public:
    int jump(vector<int>& nums) {
        int n = nums.size();
        if (n == 1) {
            return 0;
        }
        
        int jumps = 0; // 跳跃次数
        int farthest = 0; // 当前能够跳到的最远位置
        int currentEnd = 0; // 当前跳跃的边界
        
        for (int i = 0; i < n - 1; i++) {
            farthest = max(farthest, i + nums[i]); // 更新当前能够跳到的最远位置
            
            if (i == currentEnd) { // 遇到边界，需要进行一次跳跃
                jumps++;
                currentEnd = farthest; // 更新跳跃的边界为当前能够跳到的最远位置
                if (currentEnd >= n - 1) {
                    break; // 已经可以跳到最后一个位置，不需要再跳了
                }
            }
        }
        
        return jumps;
    }
};

随想录：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，从而达到最小步数。

1、就是移动下标达到了当前覆盖的最远距离下标时，步数就要加一，来增加覆盖距离。最后的步数就是最少步数。

这里还是有个特殊情况需要考虑，当移动下标达到了当前覆盖的最远距离下标时

• 如果当前覆盖最远距离下标不是是集合终点，步数就加一，还需要继续走。
• 如果当前覆盖最远距离下标就是是集合终点，步数不用加一，因为不能再往后走了。

// 版本一
class Solution {
public:
    int jump(vector<int>& nums) {
        if (nums.size() == 1) return 0;
        int curDistance = 0;    // 当前覆盖最远距离下标
        int ans = 0;            // 记录走的最大步数
        int nextDistance = 0;   // 下一步覆盖最远距离下标
        for (int i = 0; i < nums.size(); i++) {
            nextDistance = max(nums[i] + i, nextDistance);  // 更新下一步覆盖最远距离下标
            if (i == curDistance) {                         // 遇到当前覆盖最远距离下标
                ans++;                                  // 需要走下一步
                curDistance = nextDistance;             // 更新当前覆盖最远距离下标（相当于加油了）
                if (nextDistance >= nums.size() - 1) break;  // 当前覆盖最远距到达集合终点，不用做ans++操作了，直接结束
            }
        }
        return ans;
    }
};

• 时间复杂度: O(n)
• 空间复杂度: O(1)

2、

// 版本二
class Solution {
public:
    int jump(vector<int>& nums) {
        int curDistance = 0;    // 当前覆盖的最远距离下标
        int ans = 0;            // 记录走的最大步数
        int nextDistance = 0;   // 下一步覆盖的最远距离下标
        for (int i = 0; i < nums.size() - 1; i++) { // 注意这里是小于nums.size() - 1，这是关键所在
            nextDistance = max(nums[i] + i, nextDistance); // 更新下一步覆盖的最远距离下标
            if (i == curDistance) {                 // 遇到当前覆盖的最远距离下标
                curDistance = nextDistance;         // 更新当前覆盖的最远距离下标
                ans++;
            }
        }
        return ans;
    }
};

• 时间复杂度: O(n)
• 空间复杂度: O(1)

其精髓在于控制移动下标 i 只移动到 nums.size() - 2 的位置，所以移动下标只要遇到当前覆盖最远距离的下标，直接步数加一，不用考虑别的了。

知识点记录

知识点

还是有收获的，动态更新范围的思路。

个人反思

跳一跳跳麻了，自己慢慢调试太费时间了。下次三十分钟没整出来，直接看讲解。