leetcode 45 跳跃游戏2(贪心算法)

本文详细解析了一种算法,旨在解决如何在给定数组中找到从第一个位置到达最后一个位置所需的最少跳跃次数。通过实例和代码,阐述了如何利用贪心策略优化跳跃路径,确保效率与准确性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

给定一个非负整数数组,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。

示例:

输入: [2,3,1,1,4]
输出: 2
解释: 跳到最后一个位置的最小跳跃数是 2。
从下标为 0 跳到下标为 1 的位置,跳 1 步,然后跳 3 步到达数组的最后一个位置。

思路:
该题是leetcode 55 跳跃游戏的变形题
从第0位置,最少需要跳几次达到最后一个位置?
如果希望最少跳跃达到终点,则需明确何时进行跳跃是最合适的
例如,在到达位置i前:
如果提早跳跃,则可能增加跳跃次数
如果在位置i前都未跳跃,则可能无法到达位置i后的地方
贪心思想:
到达某点前若一直不跳跃,发现从该点不能跳到更远的地方了,在这之前肯定有次必要的跳跃!
结论:在无法到达更远的地方时,在这之前应该跳到一个可以到达更远位置的位置!
算法思路:
1、设置current_max_index为当前可达到的最远位置;
2、设置pre_max_index为在遍历各个位置的过程中,各个位置可达到的最远位置;
3、设置jump_min为最小跳跃次数;
4、利用i遍历nums数组,若i超过current_max_index, jump_min加1,current_max_index = pre_max_index
5、遍历过程中,若nums[i] + i (index[i])更大,则更新pre_max_index = nums[i] + i;

class Solution {
public:
    int jump(vector<int>& nums) {
        if(nums.size() < 2){
            return 0;   //如果数组长度小于2,则说明不用跳跃,返回0
        }
        int current_max_index = nums[0];   //当前可达到的最远位置
        int pre_max_index = nums[0];   //遍历各个位置过程中,可达到的最远位置
        int jump_min = 1;
        for(int i = 1; i < nums.size(); i++){
            if(i > current_max_index){
                jump_min++;
                current_max_index = pre_max_index;
            }
            if(pre_max_index < nums[i] + i){
                pre_max_index = nums[i] + i;   //更新pre_max_index
            }
        }
        return jump_min;
    }
};
### LeetCode Top 100 贪心算法题目 Python 实现 贪心算法是一种通过局部最优解来达到全局最优解的方法,在许多实际问题中有广泛应用。以下是基于常见需求整理的一系列与贪心算法相关的热门问题及其对应的 Python 解法。 #### 1. **分发饼干 (Assign Cookies)** 给定饥饿度不同的孩子和大小不一的饼干,分配饼干使尽可能多的孩子感到满足[^1]。 ```python def findContentChildren(g, s): g.sort() s.sort() i, j = 0, 0 while i < len(g) and j < len(s): if s[j] >= g[i]: i += 1 j += 1 return i ``` --- #### 2. **跳跃游戏 (Jump Game II)** 计算从数组的第一个位置到达最后一个位置所需的最少步数[^4]。 ```python def jump(nums): n = len(nums) max_pos, end, steps = 0, 0, 0 for i in range(n - 1): max_pos = max(max_pos, i + nums[i]) if i == end: end = max_pos steps += 1 return steps ``` --- #### 3. **区间调度 (Non-overlapping Intervals)** 移除最少数目的区间使其互不重叠[^2]。 ```python def eraseOverlapIntervals(intervals): if not intervals: return 0 intervals.sort(key=lambda x: x[1]) # 按结束时间排序 count = 1 end = intervals[0][1] for interval in intervals[1:]: if interval[0] >= end: count += 1 end = interval[1] return len(intervals) - count ``` --- #### 4. **拼车问题 (Car Pooling)** 判断一辆容量固定的汽车能否接送所有乘客而不超载。 ```python def carPooling(trips, capacity): events = [] for num, start, end in trips: events.append((start, num)) events.append((end, -num)) events.sort() # 时间顺序排列 current_load = 0 for _, passengers in events: current_load += passengers if current_load > capacity: return False return True ``` --- #### 5. **最大利润 (Maximum Profit in Job Scheduling)** 安排工作以获得最大的总利润。 ```python def jobScheduling(startTime, endTime, profit): jobs = sorted(zip(endTime, startTime, profit)) # 按结束时间排序 dp = [jobs[0][2]] for i in range(1, len(jobs)): curr_profit = jobs[i][2] l = bisect_right([job[0] for job in jobs], jobs[i][1]) - 1 if l != -1: curr_profit += dp[l] dp.append(max(curr_profit, dp[-1])) return dp[-1] ``` --- #### 工具推荐 对于上述解决方案的实际编写与调试,建议使用高效的开发工具如 PyCharm 或 VSCode 来提升效率[^3]。 --- ### 总结 以上展示了部分经典贪心算法问题的 Python 实现方案。每种方法均经过优化设计,能够有效解决特定场景下的复杂问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值