55.跳跃游戏
给定一个非负整数数组 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。
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。
分析:初看本题时可能想:当前位置元素如果是3,我究竟是跳一步呢还是跳两步呢,还是三步呢,究竟几步才是最优呢。其实,跳几步是无所谓的,关键在于可跳的覆盖范围。
这时我们可以考虑贪心。只要跳跃覆盖范围可以覆盖到终点,就可以了,不需要考虑每次跳几步
每次移动取最大跳跃步数(得到最大的覆盖范围),每移动一个单位,就更新最大覆盖范围
贪心算法局部最优解:每次取最大跳跃步数(取最大覆盖范围),整体最优解:最后得到整体最大覆盖范围,看是否能到终点。
解法一:(贪心)
class Solution(object):
def canJump(self, nums):
"""
:type nums: List[int]
:rtype: bool
"""
max_d = 0 # 初始化最远距离
for i in range(len(nums)):
if max_d >= i: # 如果最远距离大于当前下标说明当前位置可以到达(覆盖)
max_d = max(i + nums[i],max_d) # 更新最远距离
if max_d >= len(nums) - 1: # 如果数组最后一个元素也可以被覆盖则返回True
return True
return False
贪心代码精简版:
class Solution(object):
def canJump(self, nums):
"""
:type nums: List[int]
:rtype: bool
"""
m = 0
for i, n in enumerate(nums):
if i > m:
return False
m = max(m, i + n)
return True
解法二:(动态规划)
一维dp,dp方程 dp[i] = max(dp[i - 1], i + nums[i] )
class Solution(object):
def canJump(self, nums):
"""
:type nums: List[int]
:rtype: bool
"""
dp = [0] * len(nums)
for i in range(0,len(nums)):
if dp[i - 1] >= i:
dp[i] = max(dp[i - 1], i + nums[i] )
if dp[i-1] >= len(nums) - 1:
return True
return False