55. 跳跃游戏 & 45. 跳跃游戏 II

本文总结了两个跳跃游戏问题的解决方案,一是判断能否到达终点,二是计算最少跳跃次数。通过动态规划和层次遍历策略,展示了如何利用当前位置和最大跳跃长度来解决这两个问题。

总结

跳跃游戏,每个数组保存当前位置能跳最远的值,所以遍历每个位置时,我们可以更新可以到达的最大位置,用max_pos存储,在第一个问题中,我们若遍历到最大位置小于当前i,则返回false,因为之前位置无法跳到这里,也就无法跳到后面任意位置,对于第二个问题,因为要计算跳的次数,相当于层次遍历,内层加入当前层的循环,更新下一层的max长度。

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。
思路:
每次保存能最远到达的位置,如果当前位置大于最远位置,提前返回,否则每次更新最远距离

class Solution:
    def canJump(self, nums: List[int]) -> bool:
        max_length = 0
        for i in range(len(nums)):
            if max_length < i:
                return False
            elif max_length < nums[i] + i:
                max_length = nums[i] + i
        return True

跳跃游戏2

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。

假设你总是可以到达数组的最后一个位置。

思路: 在对nums循环中加入内层的对关于当前层到max_pos的循环,因为第一次起跳在0位置,1位置到nums[0]位置都是第二次起跳位,在这之中更新最长的max_pos位置,然后起点置为第二次最后位置的+1位,end置为更新后的max_pos位置,直到max_pos超过了数组长度,返回当前ans。

class Solution:
    def jump(self, nums: List[int]) -> int:
        max_pos = ans = start = end = 0
        while end < len(nums) - 1:
            for i in range(start, end + 1):
                max_pos = max(max_pos, i + nums[i])
            ans += 1
            start = end + 1
            end = max_pos
        return ans
            
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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