局部最优:将当天价格和前一天比较,价格涨了就买入,价格降了就忽略。
func maxProfit(prices []int) int {
res:=0
pre:=prices[0]
for i:=1;i<len(prices);i++{
if prices[i]>pre{
res+=(prices[i]-pre)
}
pre=prices[i]
}
return res
}
官方亦是如此。
不需要第一天,所以循环从第二天也就是1开始。
局部最优:每次选取能覆盖的最大范围,说明范围以内的
func canJump(nums []int) bool {
cover:=0
for i:=0;i<len(nums);i++{
for j:=i;j<=cover;j++{
if cover<i+nums[i]{
cover=i+nums[i]
}
if cover>=len(nums)-1{
return true
}
}
}
return false
}
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。
局部最优推出全局最优,找不出反例
i 每次移动只能在 cover 的范围内移动,每移动一个元素,cover 得到该元素数值(新的覆盖范围)的补充,让 i 继续移动下去。
而 cover 每次只取 max(该元素数值补充后的范围, cover 本身范围)。
如果 cover 大于等于了终点下标,直接 return true 就可以了。
一个循环,时间复杂度更优。
func canJump(nums []int) bool {
cover := 0
n := len(nums)-1
for i := 0; i <= cover; i++ { // 每次与覆盖值比较
cover = max(i+nums[i], cover) //每走一步都将 cover 更新为最大值
if cover >= n {
return true
}
}
return false
}
func max(a, b int ) int {
if a > b {
return a
}
return b
}
让i每次只能在cover内移动,每次循环实时更新cover的值,也就是循环的范围在循环的同时就可以扩大,不需要两层循环。
记录下一步的覆盖范围
局部最优:走到当前覆盖范围后步数加一并更新当前覆盖范围。(每一步都走到最远)
func jump(nums []int) int {
cover:=0
res:=0
nextcover:=0
for i:=0;i<len(nums)-1;i++{
if nextcover<nums[i]+i{
nextcover=nums[i]+i
}
if i==cover{
res++
cover=nextcover
}
}
return res
}
优化后只需要走到倒数第二个位置即可。因为题目说必定能到达终点。
对贪心算法的局部最优有了更深的认识。
例如跳跃问题这种每次更新范围的问题,使用一个循环,贪心找到每一步覆盖的最大范围。