fix: 贪婪

Author: lucifer

thinkings/greedy.md

@@ -1,6 +1,8 @@
 # 贪婪策略
 
-贪婪策略是一种常见的算法思想，具体是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关，这点和动态规划一样。贪婪策略和动态规划类似，大多数情况也都是用来处理`极值问题`。
+贪婪策略是一种常见的算法思想。具体是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑。他所做出的是在某种意义上的局部最优解。贪心算法并不是对所有问题都能得到整体最优解，比如硬币找零问题，关键是贪心策略的选择。
+
+选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关，这点和动态规划一样。贪婪策略和动态规划类似，大多数情况也都是用来处理`极值问题`。
 
 LeetCode 上对于贪婪策略有 73 道题目。我们将其分成几个类型来讲解，截止目前我们暂时只提供`覆盖`问题，其他类型可以期待我的新书或者之后的题解文章。
 
@@ -20,6 +22,7 @@ LeetCode 上对于贪婪策略有 73 道题目。我们将其分成几个类型
 
 #### 题目描述
 
+```
 给定一个非负整数数组，你最初位于数组的第一个位置。
 
 数组中的每个元素代表你在该位置可以跳跃的最大长度。
@@ -35,20 +38,20 @@ LeetCode 上对于贪婪策略有 73 道题目。我们将其分成几个类型
 说明:
 
 假设你总是可以到达数组的最后一个位置。
-
+```
 #### 思路
 
-贪婪策略，即我们每次在可跳范围内选择可以使得跳的更远的位置，由于题目保证了`你总是可以到达数组的最后一个位置`,因此这种算法是完备的。
+这里我们使用贪婪策略来解。即每次都在可跳范围内选择可以跳地更远的位置。
 
-如下图，开始的位置是 2，可跳的范围是橙色的。然后因为 3 可以跳的更远，所以跳到 3 的位置。
+如下图，开始的位置是 2，可跳的范围是橙色节点的。由于 3 可以跳的更远，足以覆盖 2 的情况，因此应该跳到 3 的位置。
 
 ![](https://tva1.sinaimg.cn/large/007S8ZIlly1ghluifqw9sj309i03xq2t.jpg)
 
-如下图，然后现在的位置就是 3 了，能跳的范围是橙色的，然后因为 4 可以跳的更远，所以下次跳到 4 的位置。
+当我们跳到 3 的位置后。 如下图，能跳的范围是橙色的 1，1，4。由于 4 可以跳的更远，因此跳到 4 的位置。
 
 ![](https://tva1.sinaimg.cn/large/007S8ZIlly1ghluimff8dj30c1039wed.jpg)
 
-写代码的话，我们用 end 表示当前能跳的边界，对于上边第一个图的橙色 1，第二个图中就是橙色的 4，遍历数组的时候，到了边界，我们就重新更新新的边界。
+写代码的话，我们可以使用 end 表示当前能跳的边界，对应第一个图的橙色 1，第二个图的橙色 4。并且遍历数组的时候，到了边界，就重新更新边界。
 
 > 图来自 https://leetcode-cn.com/u/windliang/
 
@@ -80,7 +83,7 @@ class Solution:
 ### 1024. 视频拼接
 
 #### 题目描述
-
+```
 你将会获得一系列视频片段，这些片段来自于一项持续时长为  T  秒的体育赛事。这些片段可能有所重叠，也可能长度不一。
 
 视频片段  clips[i]  都用区间进行表示：开始于  clips[i][0]  并于  clips[i][1]  结束。我们甚至可以对这些片段自由地再剪辑，例如片段  [0, 7]  可以剪切成  [0, 1] + [1, 3] + [3, 7]  三部分。
@@ -120,24 +123,16 @@ class Solution:
 1 <= clips.length <= 100
 0 <= clips[i][0], clips[i][1] <= 100
 0 <= T <= 100
-
+```
 #### 思路
 
-贪婪策略，我们选择满足条件的最大值。和上面的不同，这次我们需要手动进行一次排序，实际上贪婪策略经常伴随着排序，我们按照 clip[0]从小到大进行排序。
-
-![](https://tva1.sinaimg.cn/large/007S8ZIlly1ghluind4orj30yg0i00um.jpg)
-
-上一题的思路是维护一个 furthest，end 变量，不断贪心更新。 这一道题也是如此，不同的点是本题的数据是一个二维数组。 不过如果你彻底理解了上面的题，我想这道题也难不倒你。
+这里我们仍然使用贪婪策略来解。上一题的思路是维护一个 furthest，end 变量，不断贪心更新。 这一道题也是如此，不同的点是本题的数据是一个二维数组。 不过如果你彻底理解了上面的题，我想这道题也难不倒你。
 
 我们来看下这道题究竟和上面的题有多像。
 
-以题目给的数据为例：
-
-clips = [[0,1],[6,8],[0,2],[5,6],[0,4],[0,3],[6,7],[1,3],[4,7],[1,4],[2,5],[2,6],[3,4],[4,5],[5,7],[6,9]], T = 9
-
-我们对原数组按开始时间排序，并先看前面的一部分：
+以题目给的数据为例：`clips = [[0,1],[6,8],[0,2],[5,6],[0,4],[0,3],[6,7],[1,3],[4,7],[1,4],[2,5],[2,6],[3,4],[4,5],[5,7],[6,9]], T = 9`
 
-[[0,1], [0,2], [0,3], [0,4], [1,3], [1,4], [2,5], [2,6] ...]
+我们对原数组按开始时间排序，并先看前面的一部分：`[[0,1], [0,2], [0,3], [0,4], [1,3], [1,4], [2,5], [2,6], ...]`
 
 > 注意并不需要真正地排序，而是类似桶排序的思路，使用额外的空间，具体参考代码区
 
@@ -184,6 +179,7 @@ class Solution:
 
 #### 题目描述
 
+```
 在 x 轴上有一个一维的花园。花园长度为  n，从点  0  开始，到点  n  结束。
 
 花园里总共有  n + 1 个水龙头，分别位于  [0, 1, ..., n] 。
@@ -229,7 +225,7 @@ class Solution:
 1 <= n <= 10^4
 ranges.length == n + 1
 0 <= ranges[i] <= 100
-
+```
 #### 思路
 
 和上面的题思路还是一样的。我们仍然采用贪心策略，继续沿用上面的思路，尽量找到能够覆盖最远（右边）位置的水龙头，并记录它最右覆盖的土地。