算法训练||122.买卖股票的最佳时机II |55. 跳跃游戏 |45.跳跃游戏II |1005.K次取反后最大化的数组和

122.买卖股票的最佳时机II

这道题如果想到最终利润是可以分解的，那么本题就很容易了

如何分解？

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！

此时就是把利润分解为每天为单位的维度，而不是从0天到第三天整体去考虑

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;
    }
};

55. 跳跃游戏

刚看到本题一开始可能想，当前位置元素如果是3，我究竟是跳几步最好？

其实跳几步无所谓，关键在于可跳的覆盖范围。不一定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最大范围。

当我们遍历到的最大可跳覆盖范围超过终点的时候，就可以返回正确。

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;
    }
};

45.跳跃游戏II

本题要计算最小步数，那么就要清楚什么时候需要步数加一？

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。

思路虽然是这，但是写代码的时候还不能真的能跳多远跳多远，那样就不知道下一步最远跳到哪。

所以真正解题的时候，要从覆盖范围出发，不管怎么跳，覆盖范围内一定是可以调到的，以最小的步数增加覆盖范围，覆盖范围一旦覆盖了终点，得到的就是最小步数！

这里需要统计两个覆盖范围，当前这一步的最大覆盖和下一步最大覆盖。

如果移动下标达到了当前这一步的最大覆盖最远距离了，还没有到达终点的话，那么就必须再走一步来增加覆盖范围，知道覆盖范围覆盖了终点。

// 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
                if (curDistance != nums.size() - 1) {       // 如果当前覆盖最远距离下标不是终点
                    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; // 下一步的覆盖范围已经可以达到终点，结束循环
                } else break;                               // 当前覆盖最远距离下标是集合终点，不用做ans++操作了，直接结束
            }
        }
        return ans;
    }
};

1005.K次取反后最大化的数组和

贪心的思路，局部最优：让绝对值大的负数变成正数，当前数值达到最大，整体最优：整个数组和达到最大。

如果将负数都转变为正数，k依然大于0，此时的问题是，如何转变k次正负，让数组达到最大。

这又是一个贪心：局部最优：只找数值最小的正数进行转换正负 整体最优：得到数组和最大

思路：

将数组进行从小到大的排序，如果当k>0时，遇到负数就将负数变成正数，遇到正数时，如果k依然大于0，判断k是否是奇数，如果是奇数，当前遍历到的正数为最小正数，将他转为负值就可以。