从leetcode45题简单聊起

前言

看到leetcode45题的时候，发现标记是困难，但是定睛一看，这不就是一个非常简单的DP问题么。抱着这种想法，我想着应该可能是int型溢出可能需要单独处理吧。所以很小心的来处理int的溢出问题。

最后运行的时候发现问题是超时。

这时候就回过头来仔细想了想：
1、已经使用了DP来解决了，而且都是一维的DP，子空间结构改进的地方不多的。
2、本问题具有最优子结构是毋庸置疑的，但是使用DP后还是超时。显然：本问题需要使用贪心算法去解决。

贪心法解决

贪心法解决代码写起来比较简单，但是有两个问题需要考虑的：

1、贪心的原则；
2、证明贪心选择性质——即做局部最优选择后能够得到全局最优选择。

贪心原则

先给出一些问题的符号说明，方便后续形式化的描述：

1、输入数组是nums[0,…,n-1]
2、子问题$S_i$表示求解问题nums[i,…,n-1]

对于某个子问题$S_i$，每一步的贪心选择原则如下：

在$[i+1,i+nums[i]]$范围内，找$j_{max}$，有：$\forall j\in [i+1,i+nums[i]],jmax+nums[jmax]\ge j+nums[j]$

通俗的说，找一个能够跳到最远距离的下一位置。

贪心选择性质的证明

考虑子问题$S_i$，假设其最优解中的某一步是跳转到$k$位置，而在该一步根据贪心选择应该是跳转到$j_{max}$位置：
1、如果$k+nums[k]==j_{max}+nums[j_{max}]$，那么$k$就是我们的贪心选择选择出来的一种情况，贪心选择性质平凡成立；
2、如果$k+nums[k]<j_{max}+nums[j_{max}]$，那么我们知道，子问题$S_i$的最优解就是：
                        1 + 子问题$S_k$的最优解

那么对于子问题$S_k$我们假设其下一跳转位置是$k_1$，我们显然知道：
$$k_1\le k+nums[k]\le j_{max}+nums[j_{max}]$$
1、如果有$j_{max}<=k_1<j_{max}+nums[j_{max}]$，也就意味着，我们在前一步选择中使用$j_{max}$ 替换 $k$的话，我们在下一步仍然可以选择$k_1$位置，即我们使用$j_{max}$ 替换 $k$仍然能够得到最优解
2、如果$k_1<j_{max}$的话，那么对于$k^{\prime }\in [k_1,j_{max}-1]$我们知道$k^{\prime }+nums[k^{\prime }]<j_{max}+nums[j_{max}]$的。也就是说，如果跳转到$k_1$的话，不管你怎么跳转，经过多少次跳转，跳转的位置都是小于$j_{max}+nums[j_{max}]$的，也就是说，肯定会有一次跳转的位置落在$[j_{max},j_{max}+nums[j_{max}]]$的。如果是这种情况的话，我们直接在开始就使用$j_{max}$替换$k$的话，会得到一个更优的解，这与假设矛盾。
综上，得证。

DP的代码

int bottomUpSolution(vector<int> &nums)
{
	if(nums.size() <= 1)
		return 0;


	int n = nums.size();
	vector<long long> DP(nums.size(), INT_MAX); //-1表示无法到达
	for(auto &ele : DP)
		++ele;
	DP[n-1] = 0;

	for(int i = n-2; i >= 0; i--)
	{
		if(nums[i] != 0)
		{
			if(i+nums[i] >= n-1)
				DP[i] = 1;
			else
			{
				for(int j = i+1; j <= i+nums[i]; j++)
					if(DP[j] != -1)
						DP[i] = min(DP[i], 1+DP[j]);
			}
		}
	}

	return (int)DP[0];
}

贪心的代码

int jump_greedy(vector<int> &nums)
{
	if(nums.size() <= 1)
		return 0;

	int n = nums.size();
	int loc = 0;
	int step = 0;
	while(loc < n-1)
	{
		if(loc+nums[loc] >= n-1)
			return (step+1);
		int jmax = loc+1;
		for(int j = loc+2; j <= loc+nums[loc]; j++)
			if((j+nums[j]) > (jmax+nums[jmax]))
				jmax = j;
		loc = jmax;
		++step;
	}

	return step;
}