力扣top100(day04-06)--贪心算法

最新推荐文章于 2025-08-19 21:22:03 发布

JBM.下北泽の大天使

最新推荐文章于 2025-08-19 21:22:03 发布

阅读量871

点赞数 22

CC 4.0 BY-SA版权

文章标签： leetcode 贪心算法算法

JBM.虹夏麻麻

本文链接：https://blog.csdn.net/lcy57__/article/details/150427776

本文为力扣TOP100刷题笔记

笔者根据数据结构理论加上最近刷题整理了一套数据结构理论加常用方法以下为该文章：

力扣外传之数据结构（一篇文章搞定数据结构）

121. 买卖股票的最佳时机

public class Solution {
    public int maxProfit(int prices[]) {
        int minprice = Integer.MAX_VALUE;
        int maxprofit = 0;
        for (int i = 0; i < prices.length; i++) {
            if (prices[i] < minprice) {
                minprice = prices[i];
            } else if (prices[i] - minprice > maxprofit) {
                maxprofit = prices[i] - minprice;
            }
        }
        return maxprofit;
    }
}

算法思路

初始化：设置两个变量：

minprice：记录遍历过程中遇到的最低价格（初始为最大整数值）

maxprofit：记录当前能获得的最大利润（初始为0）

遍历价格序列：

如果当前价格比minprice低，更新最低价格

否则，计算当前价格与最低价格的差值，如果大于maxprofit则更新最大利润

返回结果：最终返回maxprofit

关键点说明

一次遍历：算法只需要一次遍历即可完成，时间复杂度O(n)

空间效率：只使用了常数空间，空间复杂度O(1)

边界情况：

空数组或单元素数组直接返回0

价格持续下跌时利润保持为0

示例演示

假设输入prices = [7,1,5,3,6,4]：

i=0: price=7

7 < MAX → minprice=7

i=1: price=1

1 < 7 → minprice=1

i=2: price=5

5-1=4 > 0 → maxprofit=4

i=3: price=3

3-1=2 < 4 → 无变化

i=4: price=6

6-1=5 > 4 → maxprofit=5

i=5: price=4

4-1=3 < 5 → 无变化

最终结果：5

复杂度分析

时间复杂度：O(n)，只需一次遍历

空间复杂度：O(1)，只使用了两个额外变量

优化说明

这个实现已经是该问题的最优解，因为：

必须检查每个价格才能确定最大利润

无法在比O(n)更好的时间复杂度内解决

空间使用已经是最小化

边界情况测试

空数组[] → 返回0

单元素数组[1] → 返回0

持续下跌[7,6,4,3,1] → 返回0

持续上涨[1,2,3,4,5] → 返回4

波动价格[2,4,1,7] → 返回6

这个算法简洁高效地解决了股票买卖的最佳时机问题，是这类问题的经典解决方案。

55. 跳跃游戏

public class Solution {
    public boolean canJump(int[] nums) {
        int n = nums.length;
        int rightmost = 0; // 当前能到达的最远位置
        
        for (int i = 0; i < n; ++i) {
            // 只有当前位置可达时才处理
            if (i <= rightmost) {
                // 更新最远可达位置
                rightmost = Math.max(rightmost, i + nums[i]);
                // 如果已经可以到达终点
                if (rightmost >= n - 1) {
                    return true;
                }
            }
        }
        return false;
    }
}

关键点说明

rightmost变量：动态记录当前能跳到的最远位置

i <= rightmost判断：确保只处理可达位置

提前终止：一旦发现能到达终点立即返回

示例演示

假设输入nums = [2,3,1,1,4]：

i=0:

0 <= 0 (true)

rightmost = max(0, 0+2) = 2

i=1:

1 <= 2 (true)

rightmost = max(2, 1+3) = 4

4 >= 4 → return true

复杂度分析

时间复杂度：O(n)，只需一次遍历

空间复杂度：O(1)，仅使用常数空间

边界情况测试

[0] → true（起点即终点）

[0,2,3] → false（卡在起点）

[1,0,1,0] → false（无法跨越0）

[3,0,0,0] → true（第一步就能跳到终点）

算法正确性证明

通过维护可达的最远位置，可以确保：

不会遗漏任何可能的跳跃路径

贪心选择总是保持最优可达性

提前终止保证效率

这个实现是跳跃游戏问题的最优解，既高效又易于理解。