LeetCode 55. Jump Game I / II

本文介绍了两种解决“跳跃游戏”问题的方法:动态规划与贪心算法。动态规划方法虽然直观但效率较低,而贪心算法则更为高效。此外,还讨论了如何优化跳跃游戏II的解决方案。

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

一开始用bfs做,memory不够,估计用dfs可以做。既然可以dfs来做,而且不需要保存路径等信息,肯定可以用dp来做。

 

方法一:DP

时间复杂度O(n^2)

class Solution {
public:
    bool canJump(vector<int>& nums) {
        vector<bool> dp(nums.size(),false);
        dp[0] = true;
        
        for (int i=0;i<nums.size();++i){
            if (dp[i]){
                for (int j=i+1;j<=i+nums[i];++j){
                    dp[j] = true;
                }
            }
        }
        
        return dp[nums.size()-1];
    }
};

 

方法二:Greedy

久违的贪心问题,其实我们只关心最大能跳到的距离, 因此可以用贪心来做。

时间复杂度O(n)

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int max_index=0;
        for (int i=0;i<nums.size();++i){
            if (i>max_index) return false;
            if (i+nums[i]>max_index){
                max_index = max(max_index,i+nums[i]);
                if (max_index>=nums.size()-1) return true;
            }
        }
        return max_index>=nums.size()-1;
    }
};

 

45. Jump Game II

用DP竟然超时了 = =

class Solution {
public:
    int jump(vector<int>& nums) {
        vector<int> dp(nums.size(),INT_MAX);
        dp[0] = 0;
        for (int i=0;i<nums.size();++i){
            if (i==0 || dp[i]!=0){
                for (int j=i+1;j<=min(i+nums[i],int(nums.size()-1));++j){
                    dp[j] = min(dp[j],dp[i]+1);
                }
            }
        }
        return dp[nums.size()-1];
    }
};

 

只能用贪心做,但是不能简单的选择最大的。

如果当前能到达的范围为 [start, end],那么在这个范围内寻找能够调到最远的下标 max_end,那么跳跃以后新的范围就变成了 [end+1, max_end]

下面代码里start是多余的,而且还需要注意,循环里 i<nums.size()-1,因为i==nums.size()的时候

class Solution {
public:
    int jump(vector<int>& nums) {
        int cnt=0;
        int start=0, end=0, max_end=0;
        
        // cur scope is [start,end], then will be [end+1,max_end]
        for (int i=0;i<nums.size()-1;++i){
            if (i>end) return -1;
            max_end = max(max_end,i+nums[i]); //update the max_end that can be reached by cur scope
            if (i==end){ // jump to a new scope
                start = end+1;
                end = max_end;
                ++cnt;
                //if (end>=nums.size()-1) break;
            }
        }
        return cnt;
    }
};

 

另一种写法,思路是一样的

class Solution {
public:
    int jump(vector<int>& nums) {
        int cnt=0;
        int start=0, end=0;
        
        // cur scope is [start,end], then will be [end+1,max_end]
        while (end<nums.size()-1){
            ++cnt;
            int max_end=end+1;
            for (int i=start;i<=end;++i){
                if (i+nums[i]>=nums.size()-1) return cnt;
                max_end = max(max_end, i+nums[i]);
            }
            start = end+1;
            end = max_end;
        }
        return cnt;
    }
};

 

转载于:https://www.cnblogs.com/hankunyan/p/9595925.html

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法数据结构基础》等,来深入理解这种算法思想。
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