Day29 第八章 贪心算法 part02

一. 学习文章及资料

二. 学习内容

1. 买卖股票的最佳时机II

收集正利润的区间,就是股票买卖的区间,而我们只需要关注最终利润,不需要记录区间。

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!

java 复制代码
class Solution {
    public int maxProfit(int[] prices) {
        int result=0;
        for(int i=1;i<prices.length;i++){
            //第二天开始才有收益,只取正收益,亏就抛
            result+=Math.max(prices[i]-prices[i-1],0);
        }
        return result;
    }
}

2. 跳跃游戏

局部最优: 每次取最大跳跃步数(取最大覆盖范围)
**全局最优:**最后得到整体最大覆盖范围,看是否能到终点。

局部最优推出全局最优,找不出反例,试试贪心!

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

3. 跳跃游戏II

从覆盖范围出发,不管怎么跳,覆盖范围内一定是可以跳到的,以最小的步数增加覆盖范围,覆盖范围一旦覆盖了终点,得到的就是最少步数!

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,还没有到终点的话,那么就必须再走一步来增加覆盖范围,直到覆盖范围覆盖了终点。

java 复制代码
class Solution {
    public int jump(int[] nums) {
        int count=0;      //记录的步数
        int curDistant=0; //当前步数到达最远距离
        int nextDistant=0;//下一步数到达最远距离
        for(int i=0;i<nums.length;i++){
            nextDistant=Math.max(i+nums[i],nextDistant);
            if(nextDistant>=nums.length-1){ //如果下一步能到达终点
                count++; //说明再走一步就行了
                break;
            }
            if(i==curDistant){ //到达当前步数最远的地方还没到终点
                curDistant=nextDistant; //更新覆盖距离
                count++;
            }
        }
        return count;
    }
}
相关推荐
ZhengEnCi5 小时前
Agent 架构怎么选:从单 Agent 到多 Agent 编排的选型决策指南
算法·架构
秋天的怀念_David6 小时前
第二十二夜 · 数字迷雾
java·程序人生·算法
Pniubi6 小时前
力扣283移动零(双指针法)
算法·leetcode·职场和发展
hhb_6186 小时前
大模型落地三重优化实战
人工智能·算法·机器学习
云和数据.ChenGuang6 小时前
光哥说Python RAG 系统需要哪些评估指标:从检索到生成的全链路评测指南
网络·人工智能·python·算法·langchain
2601_970703838 小时前
工业除湿机租赁:把一份租金合同拆开看
大数据·数据结构·算法·数据库架构·推荐算法
心中有你02148 小时前
Java实现Dijkstra最短路径算法(邻接表 + 优先队列)
java·数据库·算法
ZhengEnCi9 小时前
同样的模型,为什么本地和云 API 差别那么大:量化精度、聊天模板与采样参数的三大元凶
人工智能·算法·llm
Flynn Liang9 小时前
RAG 答非所问/幻觉怎么破?Spring AI QuestionAnswerAdvisor 召回优化实战(TopK/重排/混合检索)
人工智能·算法·spring·rag·幻觉·springai
liminla!9 小时前
SQL 从入门到进阶:语法速查与实战练习(完整优化版)
数据库·sql·算法