力扣日记3.21【贪心算法篇】45. 跳跃游戏 II

本文介绍了如何使用贪心算法解决跳跃游戏II的问题,通过在每一步尽可能跳到最远处并更新最大可到达下标,找到到达数组末尾的最小跳跃次数。给出两种实现方式,时间复杂度均为O(n),空间复杂度为O(1)。

力扣日记:【贪心算法篇】45. 跳跃游戏 II

日期:2024.3.21
参考:代码随想录、力扣

45. 跳跃游戏 II

题目描述

难度:中等

给定一个长度为 n 的 0 索引整数数组 nums。初始位置为 nums[0]。

每个元素 nums[i] 表示从索引 i 向前跳转的最大长度。换句话说,如果你在 nums[i] 处,你可以跳转到任意 nums[i + j] 处:

  • 0 <= j <= nums[i]
  • i + j < n

返回到达 nums[n - 1] 的最小跳跃次数。生成的测试用例可以到达 nums[n - 1]。

示例 1:

输入: nums = [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。

示例 2:

输入: nums = [2,3,0,1,4]
输出: 2

提示:

  • 1 <= nums.length <= 10^4
  • 0 <= nums[i] <= 1000
  • 题目保证可以到达 nums[n-1]

题解

class Solution {
public:
#define SOLUTION 1
    int jump(vector<int>& nums) {
#if SOLUTION == 1
        // 贪心:在每一步尽可能地跳得远(即在到达“当前步”的最大可到达下标后,再进入“下一步”)
        // “一步”对应一次跳跃次数,只有进入“下一步”才+1
        // 但还是需要以每一个下标为单位更新最大可到达下标
        int curMaxIndex = 0;    // “当前步”最大可到达下标
        int nextMaxIndex = 0;   // “下一步”最大可到达下标
        int count = 0;  // 跳跃次数
        for (int i = 0; i < nums.size(); i++) {
            // 更新下一步的最大可到达下标
            nextMaxIndex = max(nextMaxIndex, i + nums[i]);  // 如果当前位置的最大可到达下标更大,则更新
            // 如果到达当前步最大可到达下标
            if (i == curMaxIndex) {
                // 分两种情况:1. 如果还没到最终位置则进入下一步
                if (i != nums.size() - 1) {
                    count++;
                    curMaxIndex = nextMaxIndex; // 进入下一步
                } else {    // 2. 如果到达最终位置,则退出循环
                    break;
                }
            }
        }
        return count;
#elif SOLUTION == 2
        // 可以将上面的“到达当前步最远下标”的两种情况统一为一种:无论是否到达最终下标都将跳跃次数+1
        // 只要将下标遍历范围限制到 nums.size() - 2 即可
        // 因为当移动下标指向 nums.size - 2 时:
        // 如果当前下标等于当前步最大可到达下标, 则需要再走一步(即 count++),因为最后一步一定是可以到的终点。
        // 如果当前下标不等于当前步最大可到达下标,说明当前步就可以直接达到终点了,不需要再走一步(通过for循环条件退出)
        int curMaxIndex = 0;    // “当前步”最大可到达下标
        int nextMaxIndex = 0;   // “下一步”最大可到达下标
        int count = 0;  // 跳跃次数
        for (int i = 0; i < nums.size() - 1; i++) { // [0, nums.size() - 2]
            // 更新下一步的最大可到达下标
            nextMaxIndex = max(nextMaxIndex, i + nums[i]);  // 如果当前位置的最大可到达下标更大,则更新
            // 如果到达当前步最大可到达下标
            if (i == curMaxIndex) {
                count++;
                curMaxIndex = nextMaxIndex; // 进入下一步
            }
        }
        return count;
#endif
    }
};

复杂度

时间复杂度:O(n)
空间复杂度:O(1)

思路总结

  • 贪心:在每一步尽可能地跳得远(即在到达“当前步”的最大可到达下标后,再进入“下一步”)
    • “一步”对应一次跳跃次数,只有进入“下一步”才+1
    • 但还是需要以每一个下标为单位更新最大可到达下标
  • 参考代码随想录
  • 方法1图示
    • 在这里插入图片描述
  • 方法2图示:
    • 在这里插入图片描述
    • 在这里插入图片描述
### 关于贪心算法LeetCode 平台上的题目解析 #### 1. **最长回文串** 此题的目标是从给定字符串中找到可以构成的最大长度的回文子序列。通过贪心策略,我们可以尝试尽可能多地匹配字符来构建回文结构。 实现方式如下: - 使用 `Counter` 来统计每个字符出现的次数。 - 对于偶数次出现的字符可以直接计入回文中;对于奇数次出现的字符,最多只能取其最大偶数值加入到回文中[^1]。 ```python from collections import Counter def longestPalindrome(s: str) -> int: counts = Counter(s) length = 0 odd_found = False for count in counts.values(): if count % 2 == 0: length += count else: length += count - 1 odd_found = True if odd_found: length += 1 return length ``` --- #### 2. **柠檬水找零** 该问题描述了一个场景:顾客购买价值 $5 的商品并支付不同面额的钱币 ($5, $10, 和 $20),我们需要判断能否成功完成所有交易而不缺少找零。 解决方法基于贪心原则——优先处理大金额钱币以便保留更多小额硬币用于后续操作[^3]: ```java class Solution { public boolean lemonadeChange(int[] bills) { int five = 0; int ten = 0; for (int bill : bills) { if (bill == 5) { five++; } else if (bill == 10) { if (five == 0) return false; five--; ten++; } else { // bill == 20 if (ten > 0 && five > 0) { ten--; five--; } else if (five >= 3) { five -= 3; } else { return false; } } } return true; } } ``` --- #### 3. **分发饼干** 目标是将若干大小不同的饼干分配给孩子,使得尽可能多的孩子感到满意(即孩子的胃口需求小于等于饼干尺寸)。采用排序加双指针的方法能够高效解决问题[^4]。 代码示例如下: ```python from typing import List class Solution: def findContentChildren(self, g: List[int], s: List[int]) -> int: g.sort() s.sort() child, cookie = 0, 0 while child < len(g) and cookie < len(s): if g[child] <= s[cookie]: child += 1 cookie += 1 return child ``` --- #### 4. **根据身高重建队列** 这道题要求按照特定规则重新排列一组人员的位置。先按高度降序排列再插入对应索引位置即可达成目的。 以下是 Python 版本解决方案: ```python class Solution: def reconstructQueue(self, people: List[List[int]]) -> List[List[int]]: people.sort(key=lambda x: (-x[0], x[1])) result = [] for p in people: result.insert(p[1], p) return result ``` --- #### 5. **摆动序列** 定义一个数组中的“峰值”和“谷值”,并通过遍历一次数组计算出可能存在的波峰数量作为最终答案的一部分[^5]。 具体做法如下所示: ```python class Solution: def wiggleMaxLength(self, nums: List[int]) -> int: if not nums: return 0 up, down = 1, 1 for i in range(1, len(nums)): if nums[i] > nums[i - 1]: up = down + 1 elif nums[i] < nums[i - 1]: down = up + 1 return max(up, down) ``` --- ### 总结 上述各例展示了如何利用贪心算法有效求解实际编程竞赛中的经典难题。每种情况都遵循局部最优决策从而达到全局较佳效果的原则[^2]。
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