当前位置: 首页 > 工具软件 > 游戏跳跃 > 使用案例 >

python 跳跃游戏

夏谦
2023-12-01

leetcode 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。


提示:

  • 1 <= nums.length <= 3 * 104
  • 0 <= nums[i] <= 105

一、贪心算法求解

1.1 求解思路

我们可以用贪心的方法解决这个问题。

对于每一个可以到达位置的索引为 i d x idx idx,它使得 i d x + 1 , i d x + 2 , ⋯   , i d x + nums [ i d x ] idx+1, idx+2, \cdots, idx+\textit{nums}[idx] idx+1,idx+2,,idx+nums[idx] 这些最大覆盖范围内的位置都可以到达。

依次遍历数组中的每一个位置,并实时更新该位置的最大覆盖范围。对于当前遍历到的位置 x x x,如果它在最大覆盖范围内,那么我们就可以从起点通过若干次跳跃到达该位置,因此我们可以用 i d x + nums [ i d x ] idx + \textit{nums}[idx] idx+nums[idx]更新最远可以到达的位置。

在遍历的过程中,如果最大覆盖范围大于等于数组中的最后一个位置,那就说明最后一个位置可达,我们就可以直接返回 True 作为答案。反之,如果在遍历结束后,最后一个位置仍然不可达,我们就返回 False 作为答案。

1.2 代码实现

class Solution:
    def canJump(self, nums: List[int]) -> bool:
        right_most = 0  # 记录最大覆盖范围
        for idx, val in enumerate(nums[:-1]): # 忽略最后一个位置
            right_most = max(right_most, idx+val)  # 当前位置上,最远能跳到哪
            # 如果最远都无法超过当前位置,那肯定无法到达最后一个位置,提前结束
            if right_most <= idx:
                return False 
        return True

1.3 复杂度

时间复杂度 O ( n ) O(n) O(n),其中 n n n 为数组的大小。只需要访问 nums 数组一遍,共 n n n 个位置。

空间复杂度 O ( 1 ) O(1) O(1),不需要额外的空间开销。

二、动态规划求解

2.1 求解思路——五部曲

  1. 确定dp数组(dp table)以及下标的含义:
    dp[i]表示在下标i处跳跃的覆盖范围。

  2. 确定递推公式
    对于dp[i],它等于dp[i-1]跳一格到达i处后剩余的步数,和nums[i]的最大值。因此得出状态转移方程为: d p [ i ] = m a x ( d p [ i − 1 ] − 1 , n u m s [ i ] ) dp[i]=max(dp[i-1]-1,nums[i]) dp[i]=max(dp[i1]1,nums[i])

  3. dp数组如何初始化
    边界条件: d p [ 0 ] = n u m s [ 0 ] dp[0]=nums[0] dp[0]=nums[0]

  4. 确定遍历顺序
    在每次循环开始,我们判断dp[i-1]是否等于0,若是,则不可能到达下标i处,因此直接返回false。循环结束后 返回true

  5. 举例推导dp数组

2.2 代码实现

class Solution:
    def canJump(self, nums: List[int]) -> bool:
        n = len(nums)
        dp = [0] * n
        dp[0] = nums[0]
        for i in range(1,n):
            if dp[i-1] == 0: 
                return False
            dp[i] = max(dp[i-1]-1,nums[i])
        return True

2.3 复杂度

时间复杂度 O ( n ) O(n) O(n),其中 n n n 为数组的大小。只需要访问 nums 数组一遍,共 n n n 个位置。

空间复杂度 O ( n ) O(n) O(n)

 类似资料: