• 算法:经典贪心算法--跳一跳[2]


    在这里插入图片描述

    1、题目:

    给定一个长度为 n0 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:

    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]


    2、分析特点:

    • 这道题是典型的贪心算法,通过局部最优解得到全局最优解。
    • 反向思维解决每次都找最左位置-最后一个位置,距离最远,即最大概率最小跳跃次数。
    • 【解题口:寻找最左位置–寻找的次数,即最小跳跃次数】

    我们的目标是到达数组的最后一个位置,因此我们可以考虑最后一步跳跃前所在的位置,该位置通过跳跃能够到达最后一个位置。

    如果有多个位置通过跳跃都能够到达最后一个位置,那么我们应该如何进行选择呢?直观上来看,我们可以「贪心」地选择距离最后一个位置最远的那个位置,也就是对应下标最小的那个位置。因此,我们可以从左到右遍历数组,选择第一个满足要求的位置。

    找到最后一步跳跃前所在的位置之后,我们继续贪心地寻找倒数第二步跳跃前所在的位置,以此类推,直到找到数组的开始位置。


    3、代码:

    class Solution {
        public int jump(int[] nums) {
            int position = nums.length - 1;
            int steps = 0;
            while (position > 0) {
                for (int i = 0; i < position; i++) {
                    if (i + nums[i] >= position) {
                        position = i;
                        steps++;
                        break;
                    }
                }
            }
            return steps;
        }
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16

    4、复杂度分析:

    • 时间复杂度:O(n2),其中 nnn 是数组长度。有两层嵌套循环,在最坏的情况下,例如数组中的所有元素都是 1,position 需要遍历数组中的每个位置,对于 position 的每个值都有一次循环。
    • 空间复杂度:O(1)。

    5、总结:

    • 这道题是典型的贪心算法,通过局部最优解得到全局最优解。
    • 反向思维解决每次都找最左位置-最后一个位置,距离最远,即最大概率最小跳跃次数。
    • 【解题口:寻找最左位置–寻找的次数,即最小跳跃次数】

    我们的目标是到达数组的最后一个位置,因此我们可以考虑最后一步跳跃前所在的位置,该位置通过跳跃能够到达最后一个位置。

    如果有多个位置通过跳跃都能够到达最后一个位置,那么我们应该如何进行选择呢?直观上来看,我们可以「贪心」地选择距离最后一个位置最远的那个位置,也就是对应下标最小的那个位置。因此,我们可以从左到右遍历数组,选择第一个满足要求的位置。

    找到最后一步跳跃前所在的位置之后,我们继续贪心地寻找倒数第二步跳跃前所在的位置,以此类推,直到找到数组的开始位置。




    如果本文对你有帮助的话记得给一乐点个赞哦,感谢!

  • 相关阅读:
    权重衰减----添加正则化(多层感知机)
    Mybatis-plus中更新date类型数据遇到的坑
    springboot基于Android的洗衣店预约APP毕业设计源码260839
    RPC之 Sekiro 案例
    为什么计算机的伟大发明总是诞生于美国
    【教程】如何在服务器上部署豆瓣小组抢沙发聊天机器人
    android —— 阴影效果和跑马灯效果Textview
    【MySQL】:约束全解析
    Python 进程和线程详解(multiprocessing、threading)
    探索Netty的EventLoop
  • 原文地址:https://blog.csdn.net/weixin_45630258/article/details/132844561