本文介绍: 这个算法的时间复杂度是 O(n),其中 n 是数组的长度,因为它只对数组进行一次线性遍历。这种贪心算法的思想是每次都选择能够跳跃最远的位置,以尽可能地覆盖更多的元素,从而判断是否能够到达最后一个元素。

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。

题解方法: 

一种贪心算法的思想,解决的问题是判断能否通过跳跃操作达到数组的最后一个元素

  1. 初始化变量: 代码中使用变量 k 来表示目前能够到达的最远的索引位置。

  2. 遍历数组: 通过一个循环遍历数组元素,其中 i 表示当前的索引位置。

  3. 判断是否能够到达: 在每一步,都检查当前索引 i 是否超出了目前能够到达的最远索引位置 k。如果超出,则说明无法到达最后一个元素,直接返回 false

  4. 更新最远可到达的位置: 如果当前索引 i 在可到达的范围内,就通过比较 ki + nums[i] 来更新能够到达的最远索引位置。这是贪心算法的核心部分,每次都选择能够跳跃最远的位置。

  5. 循环结束: 如果成功遍历整个数组,说明可以通过一系列跳跃操作到达最后一个元素,返回 true

代码:

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int k = 0;  // 表示目前能够到达的最远的索引位置
        
        for(int i = 0; i < nums.size(); i++) {
            if(i > k) 
                return false;  // 如果当前索引超出了能够到达的范围,返回false
            k = max(k, i + nums[i]);  // 更新能够到达的最远的索引位置
            
            // 每一步都检查当前索引是否能够到达,根据当前索引和其值更新能够到达的最远索引。
            // 如果循环完成而没有遇到 i > k 的条件,意味着最后的索引可以到达,函数返回true。
        }
        
        return true;  // 如果成功遍历数组而没有达到终止条件,返回true
    }
};

总结:

这个算法的时间复杂度是 O(n),其中 n 是数组的长度,因为它只对数组进行一次线性遍历。这种贪心算法的思想是每次都选择能够跳跃最远的位置,以尽可能地覆盖更多的元素,从而判断是否能够到达最后一个元素。

原文地址:https://blog.csdn.net/a910247/article/details/135994433

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。

如若转载,请注明出处:http://www.7code.cn/show_65257.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱:suwngjj01@126.com进行投诉反馈,一经查实,立即删除!

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注