每日一题：跳跃游戏

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。