描述
给出一个非负整数数组,你最初定位在数组的第一个位置。
数组中的每个元素代表你在那个位置可以跳跃的最大长度。
判断你是否能到达数组的最后一个位置。
这个问题有两个方法,一个是贪心和 动态规划。
贪心方法时间复杂度为O(N)。
动态规划方法的时间复杂度为为O(n^2)。
我们手动设置小型数据集,使大家可以通过测试的两种方式。这仅仅是为了让大家学会如何使用动态规划的方式解决此问题。如果您用动态规划的方式完成它,你可以尝试贪心法,以使其再次通过一次。
样例
A = [2,3,1,1,4],返回 true.
给出一个非负整数数组,你最初定位在数组的第一个位置。
数组中的每个元素代表你在那个位置可以跳跃的最大长度。
判断你是否能到达数组的最后一个位置。
这个问题有两个方法,一个是贪心和 动态规划。
贪心方法时间复杂度为O(N)。
动态规划方法的时间复杂度为为O(n^2)。
我们手动设置小型数据集,使大家可以通过测试的两种方式。这仅仅是为了让大家学会如何使用动态规划的方式解决此问题。如果您用动态规划的方式完成它,你可以尝试贪心法,以使其再次通过一次。
样例
A = [2,3,1,1,4],返回 true.
A = [3,2,1,0,4],返回 false.
分析
网上有很多关于贪心的程序,但是都没有考虑到如果走最远的距离,刚好那个位置或者那个位置之后的几个位置都是0的情况。
程序
class Solution {
public:
/**
* @param A: A list of integers
* @return: A boolean
*/
bool canJump(vector<int> &A) {
// write your code here
//贪心算法
int i = 0;
int size = A.size() - 1;
while(i < size){//到最后一个数的位置就可以停止循环
int now = i + A[i];//使用贪心算法求最大可以跳的位置
while(now < size && A[now] == 0){
//在不超过边界的情况下,看最大跳的位置是否为0
int tmp = A[i] - 1;//减少一次跳跃
if(tmp > 0)//在跳跃数为正数的情况下,重新加
now = i + tmp;
else//如果能跳的次数减到0,再也跳不动
return false;
}
i = now;//从当前位置从新算起
}
return true;
}
};