题目:
这里有一个非负整数数组 arr,你最开始位于该数组的起始下标 start 处。当你位于下标 i 处时,你可以跳到 i + arr[i] 或者 i - arr[i]。
请你判断自己是否能够跳到对应元素值为 0 的 任一 下标处。
注意,不管是什么情况下,你都无法跳到数组之外。
示例 1:
输入:arr = [4,2,3,0,3,1,2], start = 5
输出:true
解释:
到达值为 0 的下标 3 有以下可能方案:
下标 5 -> 下标 4 -> 下标 1 -> 下标 3
下标 5 -> 下标 6 -> 下标 4 -> 下标 1 -> 下标 3
示例 2:
输入:arr = [4,2,3,0,3,1,2], start = 0
输出:true
解释:
到达值为 0 的下标 3 有以下可能方案:
下标 0 -> 下标 4 -> 下标 1 -> 下标 3
示例 3:
输入:arr = [3,0,2,1,2], start = 2
输出:false
解释:无法到达值为 0 的下标 1 处。
提示:
1 <= arr.length <= 5 * 10^4
0 <= arr[i] < arr.length
代码:
方法一——深度优先搜索递归+记忆化搜索:
class Solution {
public:
vector<int> record;
bool tranverse(vector<int>& arr,set<int>& visited, int start){
int len=arr.size();
if(start<0||start>=len)return false;
if(record[start]!=-1)return record[start];
if(arr[start]==0){
record[start]=true;
return true;}
bool temp=false;
if(!visited.count(start-arr[start])){
visited.insert(start-arr[start]);
temp=temp|tranverse(arr,visited,start-arr[start]);
visited.erase(start-arr[start]);
}
if(!visited.count(start+arr[start])){
visited.insert(start+arr[start]);
temp=temp|tranverse(arr,visited,start+arr[start]);
visited.erase(start+arr[start]);
}
record[start]=temp;
return record[start];
}
bool canReach(vector<int>& arr, int start) {
int len=arr.size();
record.resize(len, -1);
set<int> visited;
return tranverse(arr,visited,start);
}
};
思路:递归+记忆化搜索,模拟跳跃过程;
方法二——广度优先搜索:
class Solution {
public:
bool canReach(vector<int>& arr, int start) {
if(arr[start]==0){
return true;
}
int n=arr.size();
vector<bool> used(n);
queue<int> q;
q.push(start);
used[start]=true;
while(!q.empty()){
int u=q.front();
q.pop();
if(u+arr[u]<n&&!used[u+arr[u]]){
if(arr[u+arr[u]]==0)return true;
q.push(u+arr[u]);
used[u+arr[u]]=true;
}
if(u-arr[u]>=0&&!used[u-arr[u]]){
if(arr[u-arr[u]]==0)return true;
q.push(u-arr[u]);
used[u-arr[u]]=true;
}
}
return false;
}
};
想法:广度优先遍历和深度优先遍历都可以尝试,广度优先遍历一般是和队列queue相关,深度优先遍历一般是和递归相关;广度优先遍历首先把start放到队列中,然后遍历start未访问的左右符合条件的点,看是否是0,如果是0,返回true,如果不是0,那么可以放到队列中去;依次类推,如果最后都没有返回true,表示访问不到下标为0的点,如果最后返回了true,这表示可以访问到下标为0的点;
题目:
给你一个整数数组 arr 和一个整数 d 。每一步你可以从下标 i 跳到:
i + x ,其中 i + x < arr.length 且 0 < x <= d 。
i - x ,其中 i - x >= 0 且 0 < x <= d 。
除此以外,你从下标 i 跳到下标 j 需要满足:arr[i] > arr[j] 且 arr[i] > arr[k] ,其中下标 k 是所有 i 到 j 之间的数字(更正式的,min(i, j) < k < max(i, j))。
你可以选择数组的任意下标开始跳跃。请你返回你 最多 可以访问多少个下标。
请注意,任何时刻你都不能跳到数组的外面。
示例 1:
输入:arr = [6,4,14,6,8,13,9,7,10,6,12], d = 2
输出:4
解释:你可以从下标 10 出发,然后如上图依次经过 10 --> 8 --> 6 --> 7 。
注意,如果你从下标 6 开始,你只能跳到下标 7 处。你不能跳到下标 5 处因为 13 > 9 。你也不能跳到下标 4 处,因为下标 5 在下标 4 和 6 之间且 13 > 9 。
类似的,你不能从下标 3 处跳到下标 2 或者下标 1 处。
示例 2:
输入:arr = [3,3,3,3,3], d = 3
输出:1
解释:你可以从任意下标处开始且你永远无法跳到任何其他坐标。
示例 3:
输入:arr = [7,6,5,4,3,2,1], d = 1
输出:7
解释:从下标 0 处开始,你可以按照数值从大到小,访问所有的下标。
示例 4:
输入:arr = [7,1,7,1,7,1], d = 2
输出:2
示例 5:
输入:arr = [66], d = 1
输出:1
提示:
1 <= arr.length <= 1000
1 <= arr[i] <= 10^5
1 <= d <= arr.length
代码:
class Solution {
private:
vector<int> f;
public:
void dfs(vector<int>& arr, int id, int d, int n) {
if (f[id] != -1) {
return;
}
f[id] = 1;
for (int i = id - 1; i >= 0 && id - i <= d && arr[id] > arr[i]; --i) {
dfs(arr, i, d, n);
f[id] = max(f[id], f[i] + 1);
}
for (int i = id + 1; i < n && i - id <= d && arr[id] > arr[i]; ++i) {
dfs(arr, i, d, n);
f[id] = max(f[id], f[i] + 1);
}
}
int maxJumps(vector<int>& arr, int d) {
int n = arr.size();
f.resize(n, -1);
for (int i = 0; i < n; ++i) {
dfs(arr, i, d, n);
}
return *max_element(f.begin(), f.end());
}
};
思路:
dp[i]=max(dp[j])+1,其中j在数组内,且在i左d右d范围内,且d[i]大于i到j之间的元素;
这里可以用递归和记忆化搜索方法,使用一个数组保存dp[i],然后对每一个i进行递归,如果这个算过了,那么可以记忆化直接return;如果没算过,那么在他左右小于这个元素,且d范围内分别递归,选最大的dp[i],根据动态规划公式进行计算;
题目:
给你一个整数数组 arr ,你一开始在数组的第一个元素处(下标为 0)。
每一步,你可以从下标 i 跳到下标:
i + 1 满足:i + 1 < arr.length
i - 1 满足:i - 1 >= 0
j 满足:arr[i] == arr[j] 且 i != j
请你返回到达数组最后一个元素的下标处所需的 最少操作次数 。
注意:任何时候你都不能跳到数组外面。
示例 1:
输入:arr = [100,-23,-23,404,100,23,23,23,3,404]
输出:3
解释:那你需要跳跃 3 次,下标依次为 0 --> 4 --> 3 --> 9 。下标 9 为数组的最后一个元素的下标。
示例 2:
输入:arr = [7]
输出:0
解释:一开始就在最后一个元素处,所以你不需要跳跃。
示例 3:
输入:arr = [7,6,9,6,9,6,9,7]
输出:1
解释:你可以直接从下标 0 处跳到下标 7 处,也就是数组的最后一个元素处。
示例 4:
输入:arr = [6,1,9]
输出:2
示例 5:
输入:arr = [11,22,7,7,7,7,7,7,7,22,13]
输出:3
提示:
1 <= arr.length <= 5 * 10^4
-10^8 <= arr[i] <= 10^8
代码:
方法一——递归(超时):
class Solution {
public:
int minnum=INT_MAX;
void tranverse(map<int,vector<int>>& m,vector<bool>& visted,int current,vector<int>& arr,int times){
if(current<0||current>=arr.size())return;
if(visted[current])return;
if(current==arr.size()-1){
minnum=min(minnum,times);
return;
}
visted[current]=true;
tranverse(m,visted,current+1,arr,times+1);
tranverse(m,visted,current-1,arr,times+1);
vector<int> temp=m[arr[current]];
for(int i=0;i<temp.size();i++){
if(temp[i]!=current){
tranverse(m,visted,temp[i],arr,times+1);
}
}
visted[current]= false;
}
int minJumps(vector<int>& arr){
int len=arr.size();
map<int,vector<int>> m;
for(int i=0;i<arr.size();i++){
m[arr[i]].push_back(i);
}
vector<bool> visted(len,false);
tranverse(m,visted,0,arr,0);
return minnum;
}
};
方法二——记忆化搜索:
class Solution {
public:
int minJumps(vector<int>& arr){
int n = arr.size();
unordered_map<int, vector<int>> height_idx; //相同高度的 点的indedx
for (int i = 0; i < n; i ++)
height_idx[arr[i]].push_back(i);
vector<bool> visited(n, false);
queue<tuple<int,int>> Q;
Q.push(make_tuple(0, 0));
visited[0] = true;
while(Q.size()) //记忆化 + BFS + 不回头
{
auto[i, step] = Q.front(); Q.pop();
vector<int> tmp = height_idx[arr[i]]; tmp.push_back(i-1); tmp.push_back(i+1);
for(int j:tmp){
if(0<=j&&j<n&&visited[j]==false){
if(j==n-1)
return step+1;
visited[j]=true;
Q.push(make_tuple(j,step+1));
}
}
height_idx[arr[i]]={}; //这个高度的都已经搞定了,不用下一个相同高度的index重复遍历判断了!!(否则TLE)
}
return 0;
}
};
使用BFS进行搜索,比DFS好一些,因为这里求的是最短的步数,所以采用不回头的话,就直接过滤了有环的情况;每一个高度的都搞定以后,就进行清理,不需要在这里浪费时间了;