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。
class Solution {
public:
bool canJump(vector<int>& nums) {
int n=nums.size();
int farthest=0;
if(n==1)
return true;
for(int i=0;i<n-1;++i)
{
farthest=max(farthest,i+nums[i]);
if(farthest<=i)
return false;
}
return farthest>=n-1;
}
};
45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。
你的目标是使用最少的跳跃次数到达数组的最后一个位置。
假设你总是可以到达数组的最后一个位置。
解题思路
可采用动态规划和贪心思想两种方法进行
方法一:动态规划
暴力穷举所有可能的跳法,通过备忘录 memo 消除重叠子问题,取其中的最小值最为最终答案:
class Solution {
public:
int jump(vector<int>& nums) {
//备忘录初始化为n,相当于INT_MAX
//因为从0跳到n-1最多n-1步
vector<int>memo(nums.size()-1,nums.size());
return dp(nums,0,memo);
}
int dp(vector<int>&nums,int p,vector<int>&memo)
{
int n=nums.size();
//base case
if(p>=n-1)
return 0;
//子问题已经计算过
if(memo[p]!=n)
return memo[p];
int steps=nums[p];
//你可以选择跳1步,跳2步
for(int i=1;i<=steps;++i)
{
//穷举每一个选择
//计算每一个子问题的结果
int subProblem=dp(nums,p+i,memo);
memo[p]=min(memo[p],subProblem+1);
}
return memo[p];
}
};
- 时间复杂度:O(n^2)
- 空间复杂度:O(n)
方法二:贪心思想
我们不需要「递归地」计算出所有选择的具体结果然后比较求最值,而只需要做出那个最有「潜力」,看起来最优的选择即可。
class Solution {
public:
int jump(vector<int>& nums) {
int n = nums.size();
int end = 0, farthest = 0;
int jumps = 0;
for (int i = 0; i < n - 1; ++i) {
farthest =max(nums[i] + i, farthest);
if (end == i) {
++jumps;
end = farthest;
}
}
return jumps;
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(1)
494- 目标和
给你一个整数数组 nums 和一个整数 target 。
向数组中的每个整数前添加 ‘+’ 或 ‘-’ ,然后串联起所有整数,可以构造一个 表达式 :
例如,nums = [2, 1] ,可以在 2 之前添加 ‘+’ ,在 1 之前添加 ‘-’ ,然后串联起来得到表达式 “+2-1” 。
返回可以通过上述方法构造的、运算结果等于 target 的不同 表达式 的数目。
解题思路
方法一:回溯算法
C++实现
class Solution1
{
public:
int result = 0;
/* 主函数 */
int findTargetSumWays(vector<int>& nums, int target)
{
if (nums.size() == 0) return 0;
backtrack(nums, 0, target);
return result;
}
/* 回溯算法模板 */
void backtrack(vector<int>& nums, int i, int rest)
{
// base case
if (i == nums.size()) {
if (rest == 0) {
// 说明恰好凑出 target
result++;
}
return;
}
// 给 nums[i] 选择 - 号
rest += nums[i];
// 穷举 nums[i + 1]
backtrack(nums, i + 1, rest);
// 撤销选择
rest -= nums[i];
// 给 nums[i] 选择 + 号
rest -= nums[i];
// 穷举 nums[i + 1]
backtrack(nums, i + 1, rest);
// 撤销选择
rest += nums[i];
}
};
- 时间复杂度:O(2^n),回溯需要遍历所有不同的表达式,共有 2^n种不同的表达式,每种表达式计算结果需要 O(1) 的时间,因此总时间复杂度是 O(2^n)。
- 空间复杂度:O(1),其中 n 是数组 nums 的长度。空间复杂度主要取决于递归调用的栈空间,栈的深度不超过 n。
方法二:动态规划
其实,这个问题可以转化为一个子集划分问题,而子集划分问题又是一个典型的背包问题。
首先,如果我们把 nums 划分成两个子集 A 和 B,分别代表分配 + 的数和分配 - 的数,那么他们和 target 存在如下关系:
sum(A) - sum(B) = target sum(A) = target + sum(B) sum(A) + sum(A) =
target + sum(B) + sum(A) 2 * sum(A) = target + sum(nums)
综上,可以推出 sum(A) = (target + sum(nums)) / 2,也就是把原问题转化成:nums 中存在几个子集 A,使得 A 中元素的和为 (target + sum(nums)) / 2?
我们可以运用动态规划的常规套路:
C++实现
class Solution {
public:
int findTargetSumWays(vector<int>& nums, int target) {
int sum=0;
for(auto&num:nums)
sum+=num;
if(sum < -target || (sum + target) % 2 == 1)
return 0;
sum=(sum+target)/2;
int n=(int)nums.size();
vector<int>dp(sum+1,0);
dp[0]=1;
for(int i=1;i<=n;++i)
{
for(int j=sum;j>=0;--j)
{
if(j>=nums[i-1])
dp[j]=dp[j]+dp[j-nums[i-1]];
else
dp[j]=dp[j];
}
}
return dp[sum];
}
};
- 时间复杂度:O(n×m),双层循环,n为数组大小,m为数组的(sum(nums)+target)/2。
- 空间复杂度:O(m)