给你一个非负整数数组 nums
,你最初位于数组的 第一个下标 。数组中的每个元素代表你在该位置可以跳跃的最大长度。
判断你是否能够到达最后一个下标,如果可以,返回 true
;否则,返回 false
。
示例 1:
输入:nums = [2,3,1,1,4] 输出:true 解释:可以先跳 1 步,从下标 0 到达下标 1, 然后再从下标 1 跳 3 步到达最后一个下标。
示例 2:
输入:nums = [3,2,1,0,4] 输出:false 解释:无论怎样,总会到达下标为 3 的位置。但该下标的最大跳跃长度是 0 , 所以永远不可能到达最后一个下标。
提示:
1 <= nums.length <=
0 <= nums[i] <=
贪心算法,遍历一次,维护当前可以到达的最远下标,当遍历完成,最远下标如果大于数组长度,那么就可以到达重点。
max_index = max(max_index,nums[i]+i);
以nums = [2,3,1,1,4]为例,i = 0时:
i = 1时,更新max,这里其实已经到达终点,可以return true了:
如果继续遍历那么,可以看到max始终保存着能到达的最远距离:
而对于无法到达终点的情况:
可以看到,此时 i = 3,max = 3,当继续遍历 i = 4时,i > max,将返回false。
实际上这里也含着动态规划的思想:
- dp[i]表示能从 i 下标处到达的最远位置。
- 如果 i 已经大于了dp[i - 1],说明无法到达 i 位置。
- 状态转移方程:
dp[i] = max(dp[i - 1],nums[i] + i);
- 注意遍历范围,数组的最后一个元素即目标点不需要遍历,因为从自己一定可以到达自己。
而实际上这里的贪心也可以理解为dp的空间优化版本。
贪心代码:
class Solution {
public:
bool canJump(vector<int>& nums) {
int n = nums.size();
int max_index = 0;
for(int i = 0;i < n;i++){
if(i <= max_index){
max_index = max(max_index,nums[i] + i);
}
}
return max_index >= n - 1 ? true : false;
}
};
动态规划代码:
class Solution {
public:
bool canJump(vector<int>& nums) {
int n = nums.size();
if(n == 1) return true;
vector<int> dp(n,0);
dp[0] = nums[0];
for(int i = 1;i < n - 1;i++){
if(i <= dp[i-1]){
dp[i] = max(dp[i-1],nums[i] + i);
}else{
return false;
}
}
return dp[n-2] >= n - 1;
}
};
注意:
- 这里需要对数组长度为1单独处理防止越界。
- 遍历无需遍历最后一位。