May 29, 2023 · May 25, 2023 · May 26, 2023 · May 26, 2023 · May 26, 2023 · May 26, 2023
diff --git a/problems/0376.摆动序列.md b/problems/0376.摆动序列.md
Original file line number	Diff line number	Diff line change
Expand Up		@@ -305,21 +305,43 @@ class Solution {

		### Python

	贪心
	贪心(版本一)

	```python
	class Solution:
	def wiggleMaxLength(self, nums):
	if len(nums) <= 1:
	return len(nums) # 如果数组长度为0或1,则返回数组长度
	curDiff = 0 # 当前一对元素的差值
	preDiff = 0 # 前一对元素的差值
	result = 1 # 记录峰值的个数,初始为1(默认最右边的元素被视为峰值)
	for i in range(len(nums) - 1):
	curDiff = nums[i + 1] - nums[i] # 计算下一个元素与当前元素的差值
	# 如果遇到一个峰值
	if (preDiff <= 0 and curDiff > 0) or (preDiff >= 0 and curDiff < 0):
	result += 1 # 峰值个数加1
	preDiff = curDiff # 注意这里,只在摆动变化的时候更新preDiff
	return result # 返回最长摆动子序列的长度

	```
	贪心(版本二)

		```python
		class Solution:
		def wiggleMaxLength(self, nums: List[int]) -> int:
	preC,curC,res = 0,0,1 #题目里nums长度大于等于1,当长度为1时,其实到不了for循环里去,所以不用考虑nums长度
	if len(nums) <= 1:
	return len(nums) # 如果数组长度为0或1,则返回数组长度
	preDiff,curDiff ,result = 0,0,1 #题目里nums长度大于等于1,当长度为1时,其实到不了for循环里去,所以不用考虑nums长度
		for i in range(len(nums) - 1):
	curC = nums[i + 1] - nums[i]
	if curC * preC <= 0 and curC !=0: #差值为0时,不算摆动
	res += 1
	preC = curC #如果当前差值和上一个差值为一正一负时,才需要用当前差值替代上一个差值
	return res
	curDiff = nums[i + 1] - nums[i]
	if curDiff * preDiff <= 0 and curDiff !=0: #差值为0时,不算摆动
	result += 1
	preDiff = curDiff #如果当前差值和上一个差值为一正一负时,才需要用当前差值替代上一个差值
	return result

		```

	动态规划
	动态规划(版本一)

		```python
		class Solution:
Expand All		@@ -341,25 +363,44 @@ class Solution:
		return max(dp[-1][0], dp[-1][1])
		```

	动态规划(版本二)

		```python
		class Solution:
	def wiggleMaxLength(self, nums: List[int]) -> int:
	# up i作为波峰最长的序列长度
	# down i作为波谷最长的序列长度
	n = len(nums)
	# 长度为0和1的直接返回长度
	if n<2: return n
	for i in range(1,n):
	if nums[i]>nums[i-1]:
	# nums[i] 为波峰,1. 前面是波峰,up值不变,2. 前面是波谷,down值加1
	# 目前up值取两者的较大值(其实down+1即可,可以推理前一步down和up最多相差1,所以down+1>=up)
	up = max(up, down+1)
	elif nums[i]<nums[i-1]:
	# nums[i] 为波谷,1. 前面是波峰,up+1,2. 前面是波谷,down不变,取较大值
	down = max(down, up+1)
	return max(up, down)
	def wiggleMaxLength(self, nums):
	dp = [[0, 0] for _ in range(len(nums))] # 创建二维dp数组,用于记录摆动序列的最大长度
	dp[0][0] = dp[0][1] = 1 # 初始条件,序列中的第一个元素默认为峰值,最小长度为1
	for i in range(1, len(nums)):
	dp[i][0] = dp[i][1] = 1 # 初始化当前位置的dp值为1
	for j in range(i):
	if nums[j] > nums[i]:
	dp[i][1] = max(dp[i][1], dp[j][0] + 1) # 如果前一个数比当前数大,可以形成一个上升峰值,更新dp[i][1]
	for j in range(i):
	if nums[j] < nums[i]:
	dp[i][0] = max(dp[i][0], dp[j][1] + 1) # 如果前一个数比当前数小,可以形成一个下降峰值,更新dp[i][0]
	return max(dp[-1][0], dp[-1][1]) # 返回最大的摆动序列长度

		```

	动态规划(版本三)优化

	```python
	class Solution:
	def wiggleMaxLength(self, nums):
	if len(nums) <= 1:
	return len(nums) # 如果数组长度为0或1,则返回数组长度

	up = down = 1 # 记录上升和下降摆动序列的最大长度
	for i in range(1, len(nums)):
	if nums[i] > nums[i-1]:
	up = down + 1 # 如果当前数比前一个数大,则可以形成一个上升峰值
	elif nums[i] < nums[i-1]:
	down = up + 1 # 如果当前数比前一个数小,则可以形成一个下降峰值

	return max(up, down) # 返回上升和下降摆动序列的最大长度


	```
		### Go

		贪心
Expand Down