LeetCode 55. Jump Game and 45. Jump Game II 题解

本文解析了LeetCode上的两道经典Jump Game问题。第一题介绍如何判断能否从数组起始位置到达末尾,第二题则进一步探讨如何以最少的跳跃次数完成这一目标。文章详细阐述了解决方案的贪心算法思路,提供了简洁高效的实现代码。

贪心算法

【LeetCode 55. Jump Game】

Given an array of non-negative integers, you are initially positioned at the first index of the array.

Each element in the array represents your maximum jump length at that position.

Determine if you are able to reach the last index.

For example:
A = [2,3,1,1,4], return true.

A = [3,2,1,0,4], return false.

题解

   题目要求从数组nums的最左端走到数组的最右端,数组上每个元素代表最多可以走多少步。贪心的思路如下:

    用nDistance记录当前i之前可以走的最远距离。如果distance< i,即代表即使再怎么走也不能到达i。当到达i时,nums[i]+i,代表从i能走的最远距离,如果该值大于或等于数组大小减一,证明可以到达数组最后的位置。否则,更新nDistance,nDistance=max(nDistance, nums[i]+i)代表能到达的最远距离。

【代码】

    bool canJump(vector<int>& nums) {
    	int nSize = nums.size();
    	if (nSize < 2)
    		return true;
    
    	int nDistance = 0;
    	for (int i = 0; i < nSize && i <= nDistance; i++) {
    	    if (i + nums[i] >= nSize - 1)
    	        return true;
    	    if (nDistance < i + nums[i])
    	        nDistance = i + nums[i];
    	}
    	
    	return false;
    }



【LeetCode 45. Jump Game II】

Given an array of non-negative integers, you are initially positioned at the first index of the array.

Each element in the array represents your maximum jump length at that position.

Your goal is to reach the last index in the minimum number of jumps.

For example:
Given array A = [2,3,1,1,4]

The minimum number of jumps to reach the last index is 2. (Jump 1 step from index 0 to 1, then 3 steps to the last index.)

Note:
You can assume that you can always reach the last index.

题解

    与上题不同的地方在于该数组肯定可以从最左端走到最右端,并求出最少步数。难点在于什么时候需要为步数加一,答案是当前的i超过了前一步的最远位置。所以引入nLast变量记录上一步能到达的最远位置。nCur、nStep、nLast的初始值均为0。当遍历到i的时候,如果i超过了nLast(即上一步能到达的最远位置),说明步数需要加1,此时仍需要更新nLast为当前最远位置nCur。全程只需遍历1次数组,而且空间复杂度为常量。

【代码】

    int jump(vector<int>& nums) {
    	int nSize = nums.size();
    	if (nSize < 2)
    		return 0;
    	if (nSize == 2)
    	    return 1;
    
        int nStep = 0;
        int nCur = 0;
        int nLast = 0;
        for(int i = 0; i < nSize; i ++) {
            if(nLast < i) {
                nStep ++;
                nLast = nCur;
            }
            
            if (nums[i] + i > nCur)
                nCur = nums[i] + i;
        }
        return nStep;
    }


同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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