greedy

notes/src/SUMMARY.md

@@ -47,6 +47,10 @@
 - [排列问题](./permute.md)
 - [棋盘问题](./chess.md)
 
+# 贪心算法
+
+- [总结](./greedy.md)
+
 # STL
 
 - [总结](./stl.md)

notes/src/greedy.md

@@ -0,0 +1,114 @@
+# 总结
+
+使用场景：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。
+
+思路：
+
+假设题干是这样的：给出一系列元素（通常放在一个数组中），请你从中挑选出满足条件的 N 个数，使得总和最大。
+
+来分析一下题干：
+
+- 一系列元素，这是 base
+- 满足条件的 N 个数，这是限制条件
+- 总和最大，这是全局最优的优化目标
+
+贪心算法是怎样的呢？就是直接找全局最优一般不好找，我们可以在 base 上找局部最优，比如我们可以这么设计：
+
+- 总和大于 0 的一段连续子数组，这是限制条件
+- 长度最长，这是局部最优的优化目标
+
+限制条件和优化目标都不一定要和全局最优一样，但是这里有个关键：
+
+你在找局部最优的过程中可以推导出全局最优。
+
+注意，不是从所有局部最优的结果中推导出全局最优的结果，而是你在寻找局部最优的过程中可以找到全局最优。
+
+什么意思？
+
+假设你找到了 K 个局部最优结果，但我们并不是要从这 K 个结果中推出全局最优，而是在你找这 K 个结果的过程中，我们可以用一个变量 `record` 来记录某些东西，然后由这个变量 `record` 和这 K 个局部最优结果共同推导出全局最优解。
+
+---
+
+## [53. 最大子序和](https://leetcode.cn/problems/maximum-subarray/)
+
+> Given an integer array `nums`, find the subarray with the largest sum, and return its _sum_.
+>
+> ```text
+> Input: nums = [-2,1,-3,4,-1,2,1,-5,4]
+> Output: 6
+> Explanation: The subarray [4,-1,2,1] has the largest sum 6.
+> ```
+
+全局：
+
+- 限制：连续子数组
+- 目标：总和最大
+
+局部：
+
+- 限制：连续子数组，总和大于零
+- 目标：该子数组长度最长
+
+过程：
+
+在找最长子数组时用一个变量 `count` 记录当前总和，用一个变量 `max` 记录最大总和。
+
+- `if (count > max) max = count`
+- `if (count < 0) count = 0`
+
+## [122. 买卖股票的最佳时机 II](https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/)
+
+> You are given an integer array `prices` where `prices[i]` is the price of a given stock on the `ith` day.
+>
+> On each day, you may decide to buy and/or sell the stock. You can only hold **at most one share** of the stock at any time. However, you can buy it then immediately sell it on the **same day**.
+>
+> Find and return the **_maximum_** profit you can achieve.
+>
+> ```text
+> Input: prices = [7,1,5,3,6,4]
+> Output: 7
+> Explanation: Buy on day 2 (price = 1) and sell on day 3 (price = 5), profit = 5-1 = 4.
+> Then buy on day 4 (price = 3) and sell on day 5 (price = 6), profit = 6-3 = 3.
+> Total profit is 4 + 3 = 7.
+> ```
+
+全局目标：总利润最大
+
+局部目标：最长上升区间
+
+过程：找到每个最长上升区间，将每个上升区间的利润加起来就是总利润了。
+
+## [55. 跳跃游戏](https://leetcode.cn/problems/jump-game/)
+
+> You are given an integer array `nums`. You are initially positioned at the array's **first index**, and each element in the array represents your maximum jump length at that position.
+>
+> Return `true` _if you can reach the last index_, or `false` _otherwise_.
+>
+> ```text
+> Input: nums = [2,3,1,1,4]
+> Output: true
+> Explanation: Jump 1 step from index 0 to 1, then 3 steps to the last index.
+> ```
+
+全局最优：找到最长覆盖距离
+
+局部最优：找到当前区间的最长覆盖距离
+
+过程：一开始第一个元素的值就是初始覆盖区间的长度，遍历这个区间的所有元素，看看能不能找到能延长当前区间覆盖距离的元素，并延长区间覆盖距离，这样一直迭代，看它能不能到达数组末尾。
+
+## [45. 跳跃游戏 II](https://leetcode.cn/problems/jump-game-ii/)
+
+> You are given a **0-indexed** array of integers `nums` of length `n`. You are initially positioned at `nums[0]`.
+>
+> Each element `nums[i]` represents the maximum length of a forward jump from index `i`. In other words, if you are at `nums[i]`, you can jump to any `nums[i + j]` where:
+>
+> - `0 <= j <= nums[i]` and
+> - `i + j < n`
+>
+> Return _the minimum number of jumps to reach_ `nums[n - 1]`. The test cases are generated such that you can reach `nums[n - 1]`.
+
+全局最优：找到最短步数达到最长覆盖距离
+
+局部最优：找到当前覆盖区间的元素，使得能最大程度地延长当前覆盖范围。
+
+过程：一开始第一个元素的值就是初始覆盖区间的长度，遍历这个区间的所有元素，找到这样一个元素，它能够最大程度地延长当前覆盖区间，这个元素就是下一跳。在下一个覆盖区间中，再找到同样的元素，这样一直迭代。