刚看到本题一开始可能想:当前位置元素如果是3,我究竟是跳一步呢,还是两步呢,还是三步呢,究竟跳几步才是最优呢?
其实跳几步无所谓,关键在于可跳的覆盖范围!
不一定非要明确一次究竟跳几步,每次取最大的跳跃步数,这个就是可以跳跃的覆盖范围。
这个范围内,别管是怎么跳的,反正一定可以跳过来。
「那么这个问题就转化为跳跃覆盖范围究竟可不可以覆盖到终点!」
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」。
局部最优推出全局最优,找不出反例,试试贪心!
如图:
ii每次移动只能在cover的范围内移动,每移动一个元素,cover得到该元素数值(新的覆盖范围)的补充,让ii继续移动下去。
而cover每次只取 max(该元素数值补充后的范围, cover本身范围)。
如果cover大于等于了终点下标,直接return true就可以了。
class Solution {
public:
bool canJump(vector<int>& nums) {
int cover=0;
if(nums.size()==1) return true;
for(int ii=0;ii<=cover;ii++){//注意这里是cover,只有在可跳范围之内才可以起跳
cover=max(ii+nums[ii],cover);//每跳一次就更新一下覆盖范围
if(cover>=nums.size()-1) return true;//判断覆盖范围是否超出或等于目标范围
}
return false;
}
};
思路:
要看最大覆盖范围。
本题要计算最小步数,那么就要想清楚什么时候步数才一定要加一呢?
贪心的思路:
局部最优:当前可移动距离尽可能多走,如果还没到终点,步数再加一。
整体最优:一步尽可能多走,从而达到最小步数。
思路虽然是这样,但在写代码的时候还不能真的要走多远走多远,那样就不知道下一步最远能跳到哪里了。
「所以真正解题的时候,要从覆盖范围出发,不管怎么跳,覆盖范围内一定是可以跳到的,以最小的步数增加覆盖范围,覆盖范围一旦覆盖了终点,得到的就是最小步数!」
「这里需要统计两个覆盖范围,当前这一步的最大覆盖和下一步最大覆盖」。
如果移动下标达到了当前这一步的最大覆盖最远距离了,还没有到终点的话,那么就必须再走一步来增加覆盖范围,直到覆盖范围覆盖了终点。
移动下标只要遇到当前覆盖最远距离的下标,直接步数加一,不考虑是不是终点的情况。
想要达到这样的效果,只要让移动下标,最大只能移动到nums.size - 2的地方就可以了。
因为当移动下标指向nums.size - 2时:
如果移动下标等于当前覆盖最大距离下标, 需要再走一步(即ans++),因为最后一步一定是可以到的终点。(题目假设总是可以到达数组的最后一个位置),如图:
如果移动下标不等于当前覆盖最大距离下标,说明当前覆盖最远距离就可以直接达到终点了,不需要再走一步。如图:
class Solution {
public:
int jump(vector<int>& nums) {
int res=0; // 记录要走的最小步数
int curcover=0; // 当前覆盖的最远距离下标
int nextcover=0; // 下一步覆盖的最远距离下标
for(int ii=0;ii<nums.size()-1;ii++){// 注意这里是小于nums.size() - 1,这是关键所在
nextcover=max(nextcover,nums[ii]+ii);// 更新下一步覆盖的最远距离下标
if(curcover==ii){// 遇到当前覆盖的最远距离下标
res++;
curcover=nextcover;// 更新当前覆盖的最远距离下标
}
}
return res;
}
};