LeetCode 55. 跳跃游戏(中等)
题目描述
给你一个非负整数数组 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,如果可以,返回 true;否则,返回 false。
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。
提示:
- 1 <= nums.length <= 10^4
- 0 <= nums[i] <= 10^5
问题分析
这是一个经典的贪心算法问题。问题的关键在于判断是否能从起点跳到终点,而不是求解具体的跳跃路径。
当我们站在某个位置时,可以选择跳1步、2步...直到该位置的最大跳跃长度。但实际上,我们不需要考虑具体跳几步,而是关注能否覆盖到终点。
解题思路
贪心算法
贪心算法的核心思想是:每一步都计算能跳到的最远距离,只要能覆盖到最后一个位置,就说明可以到达。
具体步骤如下:
- 维护一个变量 maxReach,表示当前能到达的最远位置
- 遍历数组中的每个元素,如果当前位置已经超过了能到达的最远位置,说明无法到达该位置,返回 false
- 否则,更新 maxReach 为当前位置能到达的最远位置和已记录的最远位置中的较大值
- 如果 maxReach 已经覆盖了最后一个位置,可以直接返回 true
动态规划方法
虽然贪心算法是解决此问题的最优解,但我们也可以使用动态规划来理解这个问题:
- 创建一个布尔数组 dp,其中 dp[i] 表示是否能到达位置 i
- 初始条件:dp[0] = true(起点总是可以到达的)
- 对于每个可达位置 i,标记从该位置可以跳到的所有位置 j 为可达(dp[j] = true)
- 最终检查 dp[n-1] 是否为 true
算法过程
以示例1为例:nums = [2,3,1,1,4]
使用贪心算法的执行过程:
- 初始位置:i = 0,maxReach = 0
- 遍历位置0:nums[0] = 2,更新 maxReach = max(0, 0+2) = 2
- 遍历位置1:nums[1] = 3,更新 maxReach = max(2, 1+3) = 4(已覆盖终点,可返回true)
- 实际上已经可以确定能到达终点了,但我们继续遍历以展示完整过程
- 遍历位置2:nums[2] = 1,更新 maxReach = max(4, 2+1) = 4
- 遍历位置3:nums[3] = 1,更新 maxReach = max(4, 3+1) = 4
- 遍历位置4:nums[4] = 4,更新 maxReach = max(4, 4+4) = 8
最终 maxReach = 8 大于等于 nums.length - 1 = 4,返回 true。
详细代码实现
Java 实现 - 贪心算法
class Solution {public boolean canJump(int[] nums) {// 当前能到达的最远位置int maxReach = 0;// 遍历数组for (int i = 0; i < nums.length; i++) {// 如果当前位置已经超过了能到达的最远位置,说明无法到达该位置if (i > maxReach) {return false;}// 更新最远可以到达的位置maxReach = Math.max(maxReach, i + nums[i]);// 如果最远位置已经覆盖了最后一个位置,可以直接返回trueif (maxReach >= nums.length - 1) {return true;}}// 如果能够遍历完整个数组,说明最后一个位置是可达的return true;}
}
C# 实现 - 贪心算法
public class Solution {public bool CanJump(int[] nums) {// 当前能到达的最远位置int maxReach = 0;// 遍历数组for (int i = 0; i < nums.Length; i++) {// 如果当前位置已经超过了能到达的最远位置,说明无法到达该位置if (i > maxReach) {return false;}// 更新最远可以到达的位置maxReach = Math.Max(maxReach, i + nums[i]);// 如果最远位置已经覆盖了最后一个位置,可以直接返回trueif (maxReach >= nums.Length - 1) {return true;}}// 如果能够遍历完整个数组,说明最后一个位置是可达的return true;}
}
Java 实现 - 动态规划
class Solution {public boolean canJump(int[] nums) {int n = nums.length;// dp[i]表示是否能到达位置iboolean[] dp = new boolean[n];// 起点总是可达的dp[0] = true;for (int i = 0; i < n; i++) {// 如果当前位置不可达,跳过if (!dp[i]) {continue;}// 从当前位置可以跳到的所有位置for (int j = 1; j <= nums[i] && i + j < n; j++) {dp[i + j] = true;}// 如果最后一个位置已经标记为可达,可以提前返回if (dp[n - 1]) {return true;}}return dp[n - 1];}
}
C# 实现 - 动态规划
public class Solution {public bool CanJump(int[] nums) {int n = nums.Length;// dp[i]表示是否能到达位置ibool[] dp = new bool[n];// 起点总是可达的dp[0] = true;for (int i = 0; i < n; i++) {// 如果当前位置不可达,跳过if (!dp[i]) {continue;}// 从当前位置可以跳到的所有位置for (int j = 1; j <= nums[i] && i + j < n; j++) {dp[i + j] = true;}// 如果最后一个位置已经标记为可达,可以提前返回if (dp[n - 1]) {return true;}}return dp[n - 1];}
}
复杂度分析
贪心算法
- 时间复杂度:O(n),其中 n 是数组长度,只需要遍历一次数组。
- 空间复杂度:O(1),只使用了常数个额外变量。
动态规划
- 时间复杂度:O(n²),最坏情况下,对于每个位置,我们都需要考虑跳跃的所有可能性。
- 空间复杂度:O(n),需要一个长度为 n 的数组记录状态。