回溯法 动态优化(自顶向上 自底向上) 最终(贪心法优化)

1. 55.跳跃游戏

1.1. 题目

给定一个非负整数数组，你最初位于数组的第一个位置。
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位置

1.1.1. 举例

输入: [2,3,1,1,4]
输出: true
解释: 我们可以先跳 1 步，从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。

1.2. 思路

• 这是一个大问题可以化成小问题的题目
• 很明显,对于输入的那个串(举例:[2,3,1,1,4]), 每个元素都有多个对应值, 比如2对应 0,1,2
  • 很明显: 这种一对多的形式可以使用回溯法(举例参见我的另一篇博客Leetcode括号生成 + 电话号码
• 但是回溯法的时间成本太高了(回溯法说到底就是个暴力遍历破解 )
  • 观察发现回溯法中的很多子问题是重复计算的
• 为了解决重复的子问题结算导致浪费: 使用动态规划的算法, 动态规划有两种思路
  • 1.自顶向下思路: 自顶向下说到底就是大的问题化小的问题, 小的问题化更小的问题(本质是不用重复计算的递归回溯算法)
  • 2.自底向上思路: 相比与自顶向下算法, 自底向上更优秀一点,
    • 1. 不用递归(或用栈)节省了空间
    • 自底向上思路: 自底向上说到底就是在大问题可以化成小问题的基础想, 从小问题出发, 逐渐扩大, 最终扩大到原本问题的规模

1.3. 代码

	public boolean canJump2(int[] nums) {
		boolean[] can=new boolean[nums.length];// 默认为false
		can[nums.length-1]=true;// 最尾为真(可跳)
		int jumpMax=0;
		for(int i=nums.length-2;i>=0;i--) {
			jumpMax=Math.min(i+nums[i], nums.length-1);
			for(int j=i+1;j<=jumpMax;j++)
				if(can[j]) {
					can[i]=true; break;
				}
		}
		return can[0];
	}

但是

明显不够优秀

• 观察发现:

for(int j=i+1;j<=jumpMax;j++)
	if(can[j]) {
		can[i]=true; break;
	}

• 其实这个代码就是找足够大的数 能够到那些已经计算过能够到串尾的元素👇

1.3.1. 改进版的代码

public boolean canJump(int[] nums) {
		int leftMostIndex=nums.length-1;// 初始化为最右元素
		for(int i=nums.length-1;i>=0;i--) {// 从后往前
			if(leftMostIndex<=nums[i]+i)//i处的元素够得到 '最左可达元素'
				leftMostIndex=i;
		}
		return leftMostIndex==0;
	}

妈的代码又短又厉害, 你咋这么牛咧👄

1.4. 参考link

• 更多更完整的在这里leetcode君