docs: 摆动序列添加视频讲解链接

problems/0376.摆动序列.md

@@ -4,7 +4,6 @@
 </a>
 <p align="center"><strong><a href="https://mp.weixin.qq.com/s/tqCxrMEU-ajQumL1i8im9A">参与本项目</a>，贡献其他语言版本的代码，拥抱开源，让更多学习算法的小伙伴们收益！</strong></p>
 
-
 > 本周讲解了[贪心理论基础](https://programmercarl.com/贪心算法理论基础.html)，以及第一道贪心的题目：[贪心算法：分发饼干](https://programmercarl.com/0455.分发饼干.html)，可能会给大家一种贪心算法比较简单的错觉，好了，接下来几天的题目难度要上来了，哈哈。
 
 # 376. 摆动序列
@@ -18,18 +17,25 @@
 给定一个整数序列，返回作为摆动序列的最长子序列的长度。 通过从原始序列中删除一些（也可以不删除）元素来获得子序列，剩下的元素保持其原始顺序。
 
 示例 1:
-* 输入: [1,7,4,9,2,5]
-* 输出: 6
-* 解释: 整个序列均为摆动序列。
+
+- 输入: [1,7,4,9,2,5]
+- 输出: 6
+- 解释: 整个序列均为摆动序列。
 
 示例 2:
-* 输入: [1,17,5,10,13,15,10,5,16,8]
-* 输出: 7
-* 解释: 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。
+
+- 输入: [1,17,5,10,13,15,10,5,16,8]
+- 输出: 7
+- 解释: 这个序列包含几个长度为 7 摆动序列，其中一个可为[1,17,10,13,10,16,8]。
 
 示例 3:
-* 输入: [1,2,3,4,5,6,7,8,9]
-* 输出: 2
+
+- 输入: [1,2,3,4,5,6,7,8,9]
+- 输出: 2
+
+# 视频讲解
+
+**《代码随想录》算法视频公开课：[贪心算法，寻找摆动有细节！| LeetCode：376.摆动序列](https://www.bilibili.com/video/BV17M411b7NS)，相信结合视频在看本篇题解，更有助于大家对本题的理解**。
 
 ## 思路 1（贪心解法）
 
@@ -81,10 +87,8 @@
 
 所以我们记录峰值的条件应该是： `(preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)`，为什么这里允许 prediff == 0 ，就是为了 上面我说的这种情况。
 
-
 ### 情况二：数组首尾两端
 
-
 所以本题统计峰值的时候，数组最左面和最右面如果统计呢？
 
 题目中说了，如果只有两个不同的元素，那摆动序列也是 2。
@@ -130,8 +134,9 @@ public:
     }
 };
 ```
-* 时间复杂度：O(n)
-* 空间复杂度：O(1)
+
+- 时间复杂度：O(n)
+- 空间复杂度：O(1)
 
 此时大家是不是发现 以上代码提交也不能通过本题？
 
@@ -188,13 +193,13 @@ public:
 
 很容易可以发现，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]）。
 
-* 设dp状态`dp[i][0]`，表示考虑前i个数，第i个数作为山峰的摆动子序列的最长长度
-* 设dp状态`dp[i][1]`，表示考虑前i个数，第i个数作为山谷的摆动子序列的最长长度
+- 设 dp 状态`dp[i][0]`，表示考虑前 i 个数，第 i 个数作为山峰的摆动子序列的最长长度
+- 设 dp 状态`dp[i][1]`，表示考虑前 i 个数，第 i 个数作为山谷的摆动子序列的最长长度
 
 则转移方程为：
 
-* `dp[i][0] = max(dp[i][0], dp[j][1] + 1)`，其中`0 < j < i`且`nums[j] < nums[i]`，表示将nums[i]接到前面某个山谷后面，作为山峰。
-* `dp[i][1] = max(dp[i][1], dp[j][0] + 1)`，其中`0 < j < i`且`nums[j] > nums[i]`，表示将nums[i]接到前面某个山峰后面，作为山谷。
+- `dp[i][0] = max(dp[i][0], dp[j][1] + 1)`，其中`0 < j < i`且`nums[j] < nums[i]`，表示将 nums[i]接到前面某个山谷后面，作为山峰。
+- `dp[i][1] = max(dp[i][1], dp[j][0] + 1)`，其中`0 < j < i`且`nums[j] > nums[i]`，表示将 nums[i]接到前面某个山峰后面，作为山谷。
 
 初始状态：
 
@@ -223,28 +228,25 @@ public:
 };
 ```
 
-* 时间复杂度：O(n^2)
-* 空间复杂度：O(n)
+- 时间复杂度：O(n^2)
+- 空间复杂度：O(n)
 
 **进阶**
 
 可以用两棵线段树来维护区间的最大值
 
-* 每次更新`dp[i][0]`，则在`tree1`的`nums[i]`位置值更新为`dp[i][0]`
-* 每次更新`dp[i][1]`，则在`tree2`的`nums[i]`位置值更新为`dp[i][1]`
-* 则dp转移方程中就没有必要j从0遍历到i-1，可以直接在线段树中查询指定区间的值即可。
+- 每次更新`dp[i][0]`，则在`tree1`的`nums[i]`位置值更新为`dp[i][0]`
+- 每次更新`dp[i][1]`，则在`tree2`的`nums[i]`位置值更新为`dp[i][1]`
+- 则 dp 转移方程中就没有必要 j 从 0 遍历到 i-1，可以直接在线段树中查询指定区间的值即可。
 
 时间复杂度：O(nlog n)
 
 空间复杂度：O(n)
 
-
-
-
 ## 其他语言版本
 
-
 ### Java
+
 ```Java
 class Solution {
     public int wiggleMaxLength(int[] nums) {
@@ -270,6 +272,7 @@ class Solution {
     }
 }
 ```
+
 ```java
 // DP
 class Solution {
@@ -360,6 +363,7 @@ class Solution:
 ### Go
 
 **贪心**
+
 ```go
 func wiggleMaxLength(nums []int) int {
 	n := len(nums)
@@ -383,6 +387,7 @@ func wiggleMaxLength(nums []int) int {
 ```
 
 **动态规划**
+
 ```go
 func wiggleMaxLength(nums []int) int {
 	n := len(nums)
@@ -420,7 +425,9 @@ func max(a, b int) int {
 ```
 
 ### Javascript
+
 **贪心**
+
 ```Javascript
 var wiggleMaxLength = function(nums) {
     if(nums.length <= 1) return nums.length
@@ -437,7 +444,9 @@ var wiggleMaxLength = function(nums) {
     return result
 };
 ```
+
 **动态规划**
+
 ```Javascript
 var wiggleMaxLength = function(nums) {
     if (nums.length === 1) return 1;
@@ -458,7 +467,9 @@ var wiggleMaxLength = function(nums) {
 ```
 
 ### Rust
+
 **贪心**
+
 ```Rust
 impl Solution {
     pub fn wiggle_max_length(nums: Vec<i32>) -> i32 {
@@ -504,6 +515,7 @@ impl Solution {
 ```
 
 ### C
+
 **贪心**
 
 ```c
@@ -568,8 +580,6 @@ int wiggleMaxLength(int* nums, int numsSize){
 }
 ```
 
-
-
 ### TypeScript
 
 **贪心**
@@ -583,16 +593,13 @@ function wiggleMaxLength(nums: number[]): number {
   let count: number = 1;
   for (let i = 1; i < length; i++) {
     curDiff = nums[i] - nums[i - 1];
-        if (
-            (preDiff <= 0 && curDiff > 0) ||
-            (preDiff >= 0 && curDiff < 0)
-        ) {
+    if ((preDiff <= 0 && curDiff > 0) || (preDiff >= 0 && curDiff < 0)) {
       preDiff = curDiff;
       count++;
     }
   }
   return count;
-};
+}
 ```
 
 **动态规划**
@@ -601,7 +608,7 @@ function wiggleMaxLength(nums: number[]): number {
 function wiggleMaxLength(nums: number[]): number {
   const length: number = nums.length;
   if (length <= 1) return length;
-    const dp: number[][] = new Array(length).fill(0).map(_ => []);
+  const dp: number[][] = new Array(length).fill(0).map((_) => []);
   dp[0][0] = 1; // 第一个数作为波峰
   dp[0][1] = 1; // 第一个数作为波谷
   for (let i = 1; i < length; i++) {
@@ -615,7 +622,7 @@ function wiggleMaxLength(nums: number[]): number {
     }
   }
   return Math.max(dp[length - 1][0], dp[length - 1][1]);
-};
+}
 ```
 
 ### Scala