8. 贪心算法

什么是贪心算法

代码随想录
贪心的本质是选择每一阶段的局部最优，从而达到全局最优。
刷题或者面试的时候，手动模拟一下感觉可以局部最优推出整体最优，而且想不到反例，那么就试一试贪心。
面试中基本不会让面试者现场证明贪心的合理性，代码写出来跑过测试用例即可，或者自己能自圆其说理由就行了。

455. 分发饼干

455. 分发饼干
0601，easy，quick
贪心

只需要对 🍪 g，和 🧒 s 进行 sort，然后确保每个饼干 s[j] 是大于小孩 g[i]的，且是最小值。

20201123161809624

var findContentChildren = function (g, s) {
  s.sort((x, y) => x - y);
  g.sort((x, y) => x - y);

  // 饼干 s[j] 是大于 g[i] 的最小值
  let i = 0, j = 0;
  while (s[j] && g[i]) {
    while (s[j] && s[j] < g[i]) j++;
    if (!s[j]) break;
    i++, j++;
  }
  return i;
};

376. 摆动序列
0602，mid，answer
贪心，动态规划

方法一：贪心

对这种问题，自己能画出一个图清晰的图，可以快速的找到解题思路。

下图可以看到，当出现相等、连续递增、连续递减的情况时，我们跳过中间数，去判断下一个数即可。

复杂度：时间（O(n)），空间（O(1)）。

20201124174327597

preDiff 统计上一个可参考的差值；
curDiff 统计当前的差值，只有当前差值和上一个差值不相同时，结果 count 才 +1；否则就跳过，进行判断下一个数字。
因为至少长度为 2 以上，才可以有差值的记录，所以 index 从 1 开始、count 最小值为 1。

var wiggleMaxLength = function (nums) {
  if (nums.length === 1) return 1; // 特例
  let preDiff = 0; // 只有在初始化时，preDiff = 0，除此之外一定是大于/小于0的
  let count = 1;

  for (let index = 1; index < nums.length; index++) {
    // 当前差值
    const curDiff = nums[index] - nums[index - 1];
    // 如果没有差值为0、出现递增 / 递减序列，则跳过。
    if (curDiff > 0 && preDiff <= 0 || curDiff < 0 && preDiff >= 0) {
      count++;
      preDiff = curDiff;
    }
  }
  return count;
};

方法二：动态规划

可以发现，对于我们当前考虑的这个数，要么是作为山峰（即nums[i] > nums[i-1]），要么是作为山谷（即nums[i] < nums[i - 1]）：

时间复杂度：O(n)，空间复杂度：O(1)

如果一切顺利，没有连续相等、连续递增、连续递减的情况：

如果当前是山峰，当前山峰的最长序列值就是山谷 + 1： up = down + 1；
如果当前是山谷，当前山谷的最长序列值就是山峰 + 1： down = up + 1；

但如果发生不顺的时候，及产生了连续相等、连续递增、连续递减的情况：

山谷 down 和山峰 up 的值就不发生改变。
比如当前是山峰，up = Math.max( down + 1, up)，因为在连续递增的最初，up 已经被赋值为 down + 1，此时后续发生连续递增 / 连续相等，up 的值就不会再增加了，而是一直维持 down + 1 不变。

var wiggleMaxLength = function (nums) {
  if (nums.length === 1) return 1;

  let down = 1; // 考虑前i个数，当第i个值作为峰谷时的情况（则第i-1是峰顶）
  let up = 1;   // 考虑前i个数，当第i个值作为峰顶时的情况（则第i-1是峰谷）

  for (let i = 1; i < nums.length; i++) {
    // 当前是峰谷：如果之前经历过连续递减 / 连续相等，这里就会用 down 值；
    if (nums[i - 1] > nums[i])
      down = Math.max(up + 1, down);

    // 当前是峰顶：如果之前经历过连续递增 / 连续相等，这里就会用 up 值；
    if (nums[i - 1] < nums[i])
      up = Math.max(down + 1, up)

    // console.log(Math.max(nums[i] - nums[i - 1]), down, up);
  }
  return Math.max(down, up);
};

53. 最大子数组和

53. 最大子数组和
0603，easy，quick
贪心，动态规划

方法一：贪心

时间复杂度：O(n)，空间复杂度：O(1)

注意我当时总弄错的地方：max 的初始化一定是 -Infinity；

var maxSubArray = function (nums) {
  let max = -Infinity; // 初始化的和一定是 -Inifinity
  let count = 0;
  for (let i = 0; i < nums.length; i++) {
    count += nums[i];
    max = Math.max(count, max);
    // 如果当前和为负数，则丢弃
    if (count < 0) count = 0;
  }
  return max;
};

另一种思路，两个不同之处：

初始化值为 nums[0]，for 循环从 1 开始；
丢弃原有和的实际放在下一次循环的开头。

var maxSubArray = function (nums) {
  let max = nums[0];
  let count = nums[0];
  
  for (let i = 1; i < nums.length; i++) {
    // 如果当前和为负数，且下一个数字大于当前和，丢弃原有和
    if (count < 0 && nums[i] > count) count = nums[i];
    else count += nums[i];
    max = Math.max(count, max);
  }
  return max;
};

方法二：动态规划

时间复杂度：O(n)，空间复杂度：O(n)

dp[i] ：当前的最大连续子序列和（包括 i 本身）。
状态转移方程：dp[i] = max(dp[i - 1] + nums[i], nums[i]);
- 上一个最大和 + 当前 nums[i] ，与当前数字 nums[i] 哪一个更大？

var maxSubArray = function (nums) {
  const dp = new Array(nums.length);
  dp[0] = nums[0];
  let max = dp[0];

  for (let i = 1; i < nums.length; i++) {
    dp[i] = Math.max(dp[i - 1] + nums[i], nums[i]); // 状态转移公式
    max = Math.max(max, dp[i]);  // max: 保存dp[i]的最大值
  }
  return max;
};

122. 买卖股票的最佳时机 II

122. 买卖股票的最佳时机 II
0603，mid，quick
贪心，动态规划

方法一：贪心算法

时间复杂度：O(n)；空间复杂度：O(1)

贪心：统计每一天和上一天之间的股票差值，找局部最优。只要 prices[i] - prices[i-1] > 0，就把当前利润加入 profit 中；

var maxProfit = function (prices) {
  let profit = 0;

  for (let i = 1; i < prices.length; i++) {
    if (prices[i] - prices[i - 1] > 0)
      profit += prices[i] - prices[i - 1]
  }

  return profit;
};

方法二：动态规划

速度慢：时间复杂度：O(n)；空间复杂度：O(n)。

动态规划对每一天对股票持有 / 不持有两个状态进行模拟，得出每一天的最大收益。

定义 dp：

dp[i][0]：表示第 i 天交易完后，不持有股票的最大利润；
dp[i][1]：表示第 i 天交易完后，持有股票的最大利润。

分析买卖股票的两个动作：

股票买入。股票买入后，当前现金 = 之前现金 - 股票价格；
股票卖出。股票卖出后，当前现金 = 之前现金 + 股票价格；

得出两个状态转移方程：

第 i 天持有股票即 dp[i][0]，可以由两个状态推出来：
- dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
- （不卖出）第 i-1 天就持有股票，当前先进和昨天持有股票的所得现金一样，即：dp[i - 1][0]。
  - 因为这里没有任何卖出、买入的操作，所以自己手里的现金是没发生变化的。
- （没买过）第 i 天买入股票，所得现金 = [昨天不持有股票的所得现金] - [今天股票价格]，即：dp[i - 1][1] - prices[i]；
  - 因为今天买入了股票，现金肯定要减去买股票的价格。
第 i天不持有股票即 dp[i][1]，可以由两个状态推出来：
- （没买过）第 i-1 天就没持有股票，那么所得现金和昨天不持有股票的所得现金相同即：dp[i - 1][1]；
- （今天卖）第 i 天没持有股票，按照今天股票价格卖出后，剩余的现金就是所得现金：prices[i] + dp[i - 1][0]。

const maxProfit = (prices) => {
    const dp = Array.from(new Array(prices.length), () => new Array(2).fill(0));
    dp[0][0] = 0 - prices[0];  // 持有
    dp[0][1] = 0;  // 不持有
    for (let i = 1; i < prices.length; i++) {
        // 持有:前一天持有，前一天没持有（要买入）
        dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] - prices[i]);
        // 不持有: 前一天持有（要卖出），前一天没持有
        dp[i][1] = Math.max(dp[i - 1][0] + prices[i], dp[i - 1][1]);
    }
    // 返回最后一天卖出所有股票，即不持有的情况
    return dp[prices.length - 1][1];
};

55. 跳跃游戏

55. 跳跃游戏
0603，mid，normal
贪心

方法一：贪心

题目关键点：不要拘泥于每次究竟怎么跳跳几步，而是看覆盖范围，范围内的位置是一定可以跳到的，不用管是怎么跳到的这个位置。

20201124154758229

贪心的思路，我们定义一个变量 jump，表示当前我们可以达到的最远范围。也就是说，[0, jump] 内的所有位置我们都可以访问。

然后通过 for 循环遍历 [0, jump] 这个区间，一旦 jump >= nums.length - 1 表明此时 jump 的范围已经包括了数组的终点。返回 true；反之，如果 for 遍历完毕，都没有达到终点，那就返回 false。

复杂度分析：

时间复杂度：O(n)
空间复杂度：O(1)

var canJump = function (nums) {
    if (nums.length === 1) return true;
    let jump = 0; // 可以跳到的范围

    for (let i = 0; i <= jump; i++) {
      jump = Math.max(jump, i + nums[i]);
      if (jump >= nums.length - 1) return true;
    }
    return false;
};

方法二：贪心（倒着分析）

我想到的方法，但更复杂。考虑自己当时为什么没想从正面直接解决？两个原因：

好多题的分析都是倒着来，这里有了思维惯性，想到倒着能做，就直接做了。
看到需要两层 for 循环略复杂，但没仔细考虑是否可以有另一种方法，应该考虑更全面。

定义一个数组 dp，dp[i] 表示当前位置是否可以达到终点如果可以为 true，不可以为 false。

从最后一步 nums[nums.length - 2]，倒着往前分析：如果可以达到，就置为 true，不可以达到就置为 false。分析步骤：
1. 计算当前位置可以达到的范围 jump。如果跳跃范围大于终点 jump > lastIndex ，则为 true；
2. 利用 for 循环，寻找 jump 的范围内是否有一个点可以达到终点，有则为 true；

复杂度分析：

时间复杂度：O(n x n!) （最坏，嵌套的 for 循环次数无法保证）；
空间复杂度：O(n^2)；

var canJump = function (nums) {
    if (nums.length === 1) return true;
    const lastIndex = nums.length - 1;
    // 从最后往前，如果能到达就为true，不能到达就为false
    const dp = Array(lastIndex).fill(false);
    for (let i = lastIndex - 1; i >= 0; i--) {
        const jump = i + nums[i];
        // 直接跳到结尾
        if (jump >= lastIndex) dp[i] = true;
        else {
            // 查找 jump 范围内有没有 true:
            for (let j = i + 1; j <= jump; j++) {
                if (dp[j]) {
                    dp[i] = true;
                    break;
                }
            }
        }
    }
    return dp[0];
};

45. 跳跃游戏 II

45. 跳跃游戏 II
0604，mid，answer
贪心

方法一：贪心

while 循环，每起跳一次，进行一次 while 循环。当可以达到终点时，循环终止；
for 循环，每次起跳后（上一次起跳），都有一个覆盖范围，范围内的位置上次起跳后都可以达到。也就是说，本次起跳可以是这个范围内的所有位置。利用 for 循环去遍历范围内的所有位置，然后统计出本次起跳后，可以达到的覆盖范围。
range ：for 循环遍历 [start, end] 内的起跳点；而 range 随 for 循环的遍历，随时更新可以达到的最远位置。当 for 循环结束时，下一组 [start, end] 的值就是：[end + 1, range]

var jump = function (nums) {
  let start = 0, end = 0;
  let step = 0;

  while (end < nums.length - 1) {
    // 本次起跳范围:[start, end]
    let range = end;
    for (let i = start; i <= end; i++) {
      range = Math.max(range, i + nums[i]);
    }
    // 更新范围:[start, end]
    [start, end] = [end + 1, range];
    step++;
  }
  return step;
};

方法二：贪心｜优化代码

可以将 while 和 for 合并起来。

for 的作用就是遍历 [start, end] 内的所有点，然后找到下一个 [start, end] 的范围，最终目的是每一个范围代表一个 step，最后要累计 step 的值。

而仔细想来，其实我们只需要通过 end 就可以切分开每次的范围：

for 循环遍历 nums 的每一个成员，模拟每一个点做为起跳点。
每次的起跳范围都是：[... end]，即 start 不做记录，值记录最后一个 end 值。
range 的作用依然不变，更新在当前 step 内的所有覆盖的点 [... start] 可以达到的最远距离，最后用来更新 end。

var jump = function (nums) {
  let end = 0;
  let step = 0;
  let range = end;
  for (let i = 0; i < nums.length - 1; i++) {
    range = Math.max(range, i + nums[i]);
    // 剪枝：如果range已经覆盖到最后一个值了，那么可以提前返回结果，因为跳过了step++，所以要让 step + 1
    if (range >= nums.length - 1) return step + 1;
    // 遍历完一个起跳范围:[... end]
    if (i === end) {
      end = range;
      step++;
    }
  }
  return step;
};

1005. K 次取反后最大化的数组和

方法一：贪心｜我的方法

比较笨。

共有以下几个步骤：

数组从小到大排序；
for 循环，寻找数组中绝对值最小的值。
- 这里有一个剪枝，数组从负数 -> 正数遍历，当遍历到第一个正数时，此时一定找到了一个最小绝对值，结束循环。
for 循环，开始执行取反操作，优先把更小的负数取反。
- 结束时机：当 k 值消耗完，结束循环；当 nums 数组遍历完，结束循环；
- 如果当前 nums[i] 为负数，则取反；
- 如果当前 nums[i] 不是负数，则提前结束 for 循环；
if 判断：执行的条件是：如果 k > 0 表明还需要执行取反操作，此时负数已经全部取反了，此时只需要对最小值进行取反即可。
- 优化：k % 2 === 1 目的是计算 k 是否是 2 的倍数；如果是，则不需要进行取反操作了。因为如果取反两次，最后的值没发生变化。如果不是 2 的倍数，就进行一次取反即可。

var largestSumAfterKNegations = function (nums, k) {
  nums.sort((x, y) => x - y); // 排序
  let minIndex = 0;
  for (let i = 0; i < nums.length; i++) {
    if (Math.abs(nums[minIndex]) > Math.abs(nums[i])) minIndex = i;
    if (nums[i] >= 0 && nums[i + 1] >= 0) break;
  }

  for (let i = 0; i < nums.length && k > 0; i++, k--) {
    // 如果有负数，从最小到最大，依次修改；
    if (nums[i] < 0) nums[i] = -nums[i];
    else break;
  }
  
  // 如果有剩余次数，修改绝对值最小的数 min
  if (k > 0 && k % 2 === 1)
    nums[minIndex] = -nums[minIndex];
  
  return nums.reduce((prev, curv) => prev + curv);
};

方法二：贪心

如果k还没消耗完，这一步操作在上面有解释。

var largestSumAfterKNegations = function (nums, k) {
  // 按照绝对值从小到大排序:
  nums.sort((a, b) => Math.abs(b) - Math.abs(a));

  // 遇到负数就进行取反，同时 k-1
  for (let i = 0; i < nums.length; i++) {
    if (nums[i] < 0 && k > 0) {
      nums[i] *= -1;
      k--;
    }
  }

  // 如果k还没消耗完，且操作次数是奇数次，就对绝对值最小的数进行一次取反
  if (k > 0 && k % 2 === 1)
    nums[nums.length - 1] = -nums[nums.length - 1];

  return nums.reduce((prev, curv) => prev + curv);
};

134. 加油站

134. 加油站
0605，mid，answer
数学归纳、暴力循环

方法一：暴力解

以每一个点为起点，查看是否则可以完整的走完，如果可以则返回这个点；如果循环一圈都不可以，则返回 -1。

外层 for 循环，遍历所有点，start 为当前起点。
- 在 start 起点时，先尝试往前走一步，即初始化 count（当前油量）和 point（当前加油站）。
内层 while 循环，完整的走一圈。如果走完一圈后，count 油量一直大于等于0，则证明是一个可以走完的，返回 start 起点。
需要注意如何让 point 形成循环：
1. 方法一：判断当前点是否是数组的最后一个点 len - 1，如果是就赋值为 0；
2. 方法二：point = (point + 1) % len，即 + 1后取余，如果是数组最后一个点，取余为 0。

var canCompleteCircuit = function (gas, cost) {
  const len = gas.length;
  // i 起点
  for (let start = 0; start < len; start++) {
    let count = gas[start] - cost[start];  // 初始化当前油量: 当前站加油 - 开往下一站耗油
    let point = start === len - 1 ? 0 : start + 1;  // 初始化下一个加油站位置
    // 剩余油箱不足，或循环一圈结束
    while (count >= 0 && point !== start) {
      count = count + gas[point] - cost[point];
      point = point === len - 1? 0 : point + 1;
    }
    if (count >= 0 && point === start) return start;
  }
  return -1;
};

方法二：贪心｜数学归纳

详细题解：🔎.

每个站的剩余油量累加给left，即left += gas[i]-cost[i]。如果left一直大于0，则可以一直走下去，如果出现了小于0，说明到不了下一站。

从起点站 a 出发，必须 gas[a] - cost[a] >= 0 才能到 b 站。假设去到 c 站加完油发现去不了 d 站，只是说明 a 站不是合格起点吗？

到不了 d 站，就说明： (gas[a] - cost[a]) + (gas[b] - cost[b]) + (gas[c] - cost[c]) < 0
- 即： left(a) + left(b) + left(c) < 0
- 已知： left(a) >= 0
- 所以： left(b) + left(c) < 0
所以，b 站不能作为起点，因为去不了 d。
能来到 c 站，肯定到过 b 站，所以有： left(a) + left(b) >=0
- 又因为： left(a) + left(b) + left(c) < 0
- 有： left(c) < 0
c 站也不能作为起点，因为去不了 d！

我们归纳出下面结论：

结论1：如果 left 累加 gas[i]-cost[i] 后，小于 0。则出发点到站 i 都不是起点。

如果总加油量 sum(gas) < sum(cost) 总耗油量，问题无解，油量不足以走完全程。

结论2：如果总加油量 sum(gas) >= sum(cost) 总耗油量，问题一定有解。

截屏2022-06-05 02.08.47

var canCompleteCircuit = function (gas, cost) {
  let left = 0, // 当前油量
    start = 0,  // 当前起点
    totalGas = 0, totalCost = 0; // 统计总加油/耗油量
  for (let i = 0; i < gas.length; i++) {
    totalGas += gas[i];
    totalCost += cost[i];
    left += gas[i] - cost[i]; // 更新当前油量
    if (left < 0) {
      start = i + 1;
      left = 0;
    }
  }
  return totalGas < totalCost ? -1 : start;
};

135. 分发糖果

135. 分发糖果，不是 top100和精选 TOP 面试题。
0604，hard，answer
贪心，两个维度分析

贪心的核心：局部最优解，就是全局最优解。🔗.

遇到两个维度权衡的时候，一定要先确定一个维度，再确定另一个维度。

截屏2022-06-05 02.32.41

var candy = function (ratings) {
  const len = ratings.length;
  const result = new Array(len).fill(1);

  // 第一次遍历，从左至右，只判断左孩子 < 右孩子的情况:
  for (let i = 1; i < len; i++) {
    if (ratings[i - 1] < ratings[i])
      result[i] = result[i - 1] + 1;
  }

  // 第二次遍历，从右至左，只判断左孩子 > 右孩子的情况:
  for (let i = len - 2; i >= 0; i--) {
    if (ratings[i] > ratings[i + 1])
      result[i] = Math.max(result[i], result[i + 1] + 1); // 为了满足两次遍历的条件，取最大值
  }

  // 第三次遍历，对 result 求和返回结果
  return result.reduce((prev, curv) => prev + curv);
};

860. 柠檬水找零

860. 柠檬水找零
0605，easy，answer
贪心

这道题其实非常简单，主要没想到的原因还是没仔细的看懂题意，已经合理的把题意转化成代码。

定义变量：当前持有的、可以找零的现金：five、ten；因为 20 面值的现金只需要收好，面额太大找零时用不到，所以不统计 20 面值的钞票。
定义流程：
- 如果 5 元面值，直接收下；
- 如果 10 元面值，找一张 5 元。如果 5 元不足，就返回 false；
- 如果 20 元面值，两个策略：
  - 局部最优：贪心，优先找面值大的，即：10 + 5 的组合；如果 10 元面值数量不足，就 5 + 5 + 5 的组合。如果 5 元面值的数量也不足，就返回 false。

var lemonadeChange = function (bills) {
  let five = 0, ten = 0;
  for (let i = 0; i < bills.length; i++) {
    // 收到5面值: 直接持有
    if (bills[i] === 5) five++;
    else if (bills[i] === 10) {
      // 收到10面值: 找5，如果5不够，返回false
      if (!five) return false;
      five--, ten++;
    } else {
      // 收到15面值: 两个策略，优先找10+5的组合;。不够，就找5+5+5。如果也不够，就返回false
      if (five > 0 && ten > 0) five--, ten--;
      else if (five >= 3) five -= 3;
      else return false;
    }
  }
  return true;
};

406. 根据身高重建队列

406. 根据身高重建队列
0605，mid，answer
贪心，两个维度分析

遇到两个维度权衡的时候，一定要先确定一个维度，再确定另一个维度。

方法一：从大到小｜贪心

局部最优推导到全局最优。解析：📖.

[hi, ki] 按照以下顺序排序：

hi 身高：从大到小；
ki 前面站的人：如果身高相同， ki 更小的靠前。

按照顺序依次把 people 中的人放入 queue 中，按照以下标准：

因为成员已经按照从大到小的顺序放入，所以当我们遇到 [7,2] 时，只需要在 queue[2] 位置插入即可，这样前面的 0，1 两个位置一定是放置了大于等于 7 的人，满足局部最优条件。
- 数组插入：queue.splice(people[i][1], 0, people[i]);
这样一个个依次从大到小放入，最终会满足全局最优条件。

时间复杂度：

splice() 的最坏时间复杂度是 O(n)；
sort() 的时间复杂度是 O(nlogn)；
所以，splice() 外层还套着一个 for 循环，总体复杂度是 O(n^2)。

var reconstructQueue = function (people) {
  people.sort((x, y) => x[0] === y[0] ? x[1] - y[1] : y[0] - x[0]); // 排序
  const queue = [];
  for (let i = 0; i < people.length; i++) {
    queue.splice(people[i][1], 0, people[i]); // 对应位置插入
  }
  return queue;
};  

方法二：从小到大｜我的方法

[hi, ki] 按照以下顺序排序（和方法一完全相反）：

hi 身高：从小到大；
ki 前面站的人：如果身高相同， ki 更大的靠前。

按照顺序依次把 people 中的人放入 queue 中，按照以下标准：

假如遇到 [4,4]，那就必须在前面空出 4 个位置，用来填放比 4 更大的数字，以满足要求。
start 统计已经找到了几个空位，当 start == 4 时，找到四个空位，此时结束 for 循环；
point 表示 [4,4] 要放入的位置，当空位已经全部找到，利用 while 要找下一个可以放置 [4,4]的空位；
queue[point] = people[i] 把 [4,4] 放入空位。

var reconstructQueue = function (people) {
  // 按要求排序:
  people.sort((x, y) => x[0] === y[0] ? y[1] - x[1] : x[0] - y[0]);
  const queue = Array(people.length);
  
  for (let i = 0; i < people.length; i++) {
    let start = 0, point = 0;
    while (start < people[i][1]) {  // 放入点前，必须有people[i][1]个空位 
      if (!queue[point]) start++;
      point++;
    }
    while (queue[point]) point++; // 满足了people[i][1]个空位，再找下一个空位
    queue[point] = people[i];     // 找到空位，放入
  }
  return queue;
};

452. 用最少数量的箭引爆气球

452. 用最少数量的箭引爆气球
0605，mid，answer
贪心

分析：

局部最优：只要出现重叠，重叠的最边缘位置射气球。

寻找每个区间的最右端位置，按照最右端位置从小到大进行排序。
遍历所有气球，判断：
- 当箭的位置在气球的区间内，就跳过该区间；
- 如果不在区间内，就射出新的一箭，同时位置是当前气球的最右端。

全局最优：每次射出的箭都是局部最优，找不到反例，满足全局最优。

20201123101929791

var findMinArrowShots = function (points) {
  if (!points.length) return 0
  points.sort((x, y) => x[1] - y[1]); // 排序
  let count = 1; // 总箭数
  let pos = points[0][1];  // 当前箭的位置

  for (let i = 1; i < points.length; i++) {
    if (points[i][0] > pos) {  // 如果不发生重叠
      count++;
      pos = points[i][1];  // 最右端
    }
  }
  return count;
};

435. 无重叠区间

435. 无重叠区间
0605，mid，quick
贪心

这道题和上一道题 (452 箭引爆气球)，一样寻找区间重叠。

按照区间右端，从小到大排序；
pos 统计当前区间的最右端，count 统计移除区间的数量。
最初，pos 记录了第一个区间的最右端；
- 一旦当前区间的最左端，和 pos 发生重叠，表明两个区间存在重叠，则移除当前区间，count++。
- 如果当前区间和 pos 没有发生重叠，则更新 pos 的位置为当前区间的最右端，以供下一个区间判断。

var eraseOverlapIntervals = function (intervals) {
  if (intervals.length <= 1) return 0;

  // 按照最右端从小到大排序：
  intervals.sort((x, y) => x[1] - y[1]);
  let pos = intervals[0][1];
  let count = 0;
  for (let i = 1; i < intervals.length; i++) {
    if (intervals[i][0] < pos) count++; // 有重叠
    else pos = intervals[i][1];
  }
  return count;
};

763.划分字母区间

763. 划分字母区间
0607，mid，answer
根据题干解题 🔗.

题目要求相同的字母必须放在一个区间内，那么

第一次 for 循环：统计一下字符串 S 内所有字母的最后一次出现的位置；
变量 left 和 right 记录每次切割子区间的左、右两边界；
第二次 for 循环，加入 s 为 ababcbacadefegdehijhklij：
- 比如遍历到第一个 a 这个元素，把 right 置为 18，也就是说， 18 以前的所有字母一定是一个子区间内。
- 接着往后遍历，不断更新 right 的最大值。直到出现 right 和当前遍历字母下标相等 i === right 的时候，表明当前字母 s[i] 已经是最右边界了，且其他字母也没有比 right 更靠右的位置。
- 此时就是一个完整的子区间，把结果 push 到 res 中，然后更新 left 左边界。

var partitionLabels = function (s) {
  const res = [];
  const map = {};
  for (let i = 0; i < s.length; i++) {
    map[s[i]] = i;
  }
  let left = 0, right = 0;
  for (let i = 0; i < s.length; i++) {
    right = Math.max(right, map[s[i]]);
    if (right === i) {
      res.push(right - left + 1);
      left = right + 1;
    }
  }
  return res;
};

56. 合并区间

56. 合并区间
0607，mid，normal
贪心

按照左边界排序，排序之后局部最优：

排序后，每个新区间的 left，自然就是遍历到的第一个区间；
每次合并都取最大的右边界 right，这样就以 left 为左端点，尽可能的合并所有重叠的区间；

局部最优 --> 整体最优：合并所有重叠的区间。

流程：

对 intervals 进行排序，按照左边界从小到大的顺序；
left 和 right 分别代表了当前新区间的左端和右端，因为 intervals 已经按左区间排序，所以 left 一定是最小的，不需要再判断；
for 循环遍历每个区间：
- 重叠：如果新区间的 right 大于遍历的区间，说明发生重叠，要删除该区间，更新 right 区间为较大值；
- 不重叠：如果不重叠，则 left 和 right 已经圈成了一个新的区间，push 到 res 中，同时更新 left 和 right；
当全部遍历完后，不要忘记把最后一个区间 push 到结果中。

var merge = function (intervals) {
  const res = [];
  intervals.sort((x, y) => x[0] - y[0]);
  let left = intervals[0][0], right = intervals[0][1];

  for (let i = 1; i < intervals.length; i++) {
    // 重叠
    if (right >= intervals[i][0]) {
      right = Math.max(right, intervals[i][1]);
    } else { // 不重叠
      res.push([left, right]);
      left = intervals[i][0];
      right = intervals[i][1];
    }
  }
  res.push([left, right]);
  return res;
};

738. 单调递增的数字

738. 单调递增的数字
0607，mid，answer
贪心

解题思路：

局部最优：遇到 strNum[i - 1] > strNum[i] 的情况，让 strNum[i - 1]--，然后 strNum[i] 给为9，可以保证这两位变成最大单调递增整数。
全局最优：得到小于等于 N 的最大单调递增的整数。

判断从头开始遍历，还是从尾开始遍历：

从前后向遍历会改变已经遍历过的结果：从前向后遍历的话，遇到 strNum[i - 1] > strNum[i] 的情况，让 strNum[i - 1] 减一，但此时如果 strNum[i - 1] 减一了，可能又小于 strNum[i - 2]。

flag 的作用，考虑数字 3234：

后 3 位符合递增，所以不需要任何操作；但当 i == 2 时，不符合递增。则第一位 -1，此时不仅 2 位置需要置为 9，其后所有的数字都要置为 9。最终的结果为： 2999。
所以，我们需要一个 flag 来标记从哪一位开始，把后面的数字置为 9。然后再用一个 for 循环统一赋值。

var monotoneIncreasingDigits = function (n) {
  // 转化，n: bumber --> arr: number[]
  const arr = n.toString().split('');
  arr.forEach(item => Number(item));
  
  let flag = Infinity; // 统计最靠前的、需要置为9的位置。
  for (let i = arr.length - 1; i > 0; i--) {
    // 如果不是递增序列，则前一位减1，当前、以及之后的位置都置为9
    // 原因：一旦靠前的数字有减1的情况，后面的数字需要全部置为9
    if (arr[i - 1] > arr[i]) {
      flag = i;
      arr[i - 1] = arr[i - 1] - 1;
    }
  }
  // 统一赋值为9
  for (let i = flag; i < arr.length; i++)  arr[i] = 9;
  return Number(arr.join(''));
};

714. 买卖股票的最佳时机含手续费

714. 买卖股票的最佳时机含手续费
0607，mid，answer
动态规划、贪心

方法一：动态规划

虽然慢，但是好理解

一般的动态规划题目思路三步走：

定义状态转移方程
给定转移方程初始值
写代码递推实现转移方程

![截屏2022-06-07 下午9.42.16](images/贪心算法.assets/截屏2022-06-07 下午9.42.16.png)

var maxProfit = function (prices, fee) {
  const dp = Array.from(new Array(prices.length), () => new Array(2).fill(0));
  // 2.初始化
  dp[0][0] = 0;
  dp[0][1] = -prices[0];

  for (let i = 1; i < prices.length; i++) {
    // 1.状态转移方程
    // 不持有：昨天不持有、昨天持有，今天卖出
    dp[i][0] = Math.max(dp[i - 1][0], dp[i - 1][1] + prices[i] - fee);
    // 持有：昨天持有、昨天不持有，今天买入
    dp[i][1] = Math.max(dp[i - 1][1], dp[i - 1][0] - prices[i]);
  }
  return dp[prices.length - 1][0];
};

方法二：动态规划的优化

将二维 dp 压缩为两个变量：

因为本次的持有 / 不持有，仅和上一次的持有 / 不持有有关。所以 sell 保存上一次不持有；buy 保存上一次持有即可。

var maxProfit = function (prices, fee) {
  let sell = 0;  // 不持有
  let buy = -prices[0]; // 持有

  for (let i = 1; i < prices.length; i++) {
    sell = Math.max(sell, buy + prices[i] - fee);
    buy = Math.max(buy, sell - prices[i]);
  }
  return sell
};

方法三：贪心

for 循环遍历 prices 数组；

随着 for 循环遍历，一直记录最小值 buy，在卖出时，buy 就是买入价 + 手续费 fee；
这样 price[i] - buy 就是本轮交易的收益，手续费已经包含在内了。

var maxProfit = function (prices, fee) {
  let profit = 0;
  let buy = prices[0] + fee;
  for (let i = 1; i < prices.length; i++) {
    if (prices[i] + fee < buy) {
      buy = prices[i] + fee; // 更新:买入的最低价+手续费
    } else if (prices[i] > buy) {
      profit += prices[i] - buy; // 卖出获利 => 未必真的在此时卖出,只是假设
      buy = prices[i]; // 因为是假设: 卖出的同时立即以原价买入，手续费只计算一次。
    }
  }
  return profit
};

===== summary =============================

定义一个二维数组。数组长度为 nums.length，数组的每个成员都是一个长度为 2 的数组，且对嵌套的数组赋初始化值为 2。

// Array.from() 针对一个类似数组 / 可迭代对象，创建一个新的、浅拷贝的数组。
// 第二个可选参数 cb：新数组中的每个元素会执行该回调函数，相当于 forEach。
const dp = Array.from(new Array(nums.length), () => new Array(2).fill(0));

什么是贪心算法​

455. 分发饼干​

方法一：贪心​

方法二：动态规划​

53. 最大子数组和​

方法一：贪心​

方法二：动态规划​

122. 买卖股票的最佳时机 II​

方法一：贪心算法​

方法二：动态规划​

55. 跳跃游戏​

方法一：贪心​

方法二：贪心（倒着分析）​

45. 跳跃游戏 II​

方法一：贪心​

方法二：贪心｜优化代码​

1005. K 次取反后最大化的数组和​

方法一：贪心｜我的方法​

方法二：贪心​

134. 加油站​

方法一：暴力解​

方法二：贪心｜数学归纳​

135. 分发糖果​

860. 柠檬水找零​

406. 根据身高重建队列​

方法一：从大到小｜贪心​

方法二：从小到大｜我的方法​

452. 用最少数量的箭引爆气球​

435. 无重叠区间​

763.划分字母区间​

56. 合并区间​

738. 单调递增的数字​

714. 买卖股票的最佳时机含手续费​

方法一：动态规划​

方法二：动态规划的优化​

方法三：贪心​

什么是贪心算法

455. 分发饼干

方法一：贪心

方法二：动态规划

53. 最大子数组和

方法一：贪心

方法二：动态规划

122. 买卖股票的最佳时机 II

方法一：贪心算法

方法二：动态规划

55. 跳跃游戏

方法一：贪心

方法二：贪心（倒着分析）

45. 跳跃游戏 II

方法一：贪心

方法二：贪心｜优化代码

1005. K 次取反后最大化的数组和

方法一：贪心｜我的方法

方法二：贪心

134. 加油站

方法一：暴力解

方法二：贪心｜数学归纳

135. 分发糖果

860. 柠檬水找零

406. 根据身高重建队列

方法一：从大到小｜贪心

方法二：从小到大｜我的方法

452. 用最少数量的箭引爆气球

435. 无重叠区间

763.划分字母区间

56. 合并区间

738. 单调递增的数字

714. 买卖股票的最佳时机含手续费

方法一：动态规划

方法二：动态规划的优化

方法三：贪心