【每日算法Day 78】面试经典题:能说出全部四种方法,不录用你都不可能!

简介: 【每日算法Day 78】面试经典题:能说出全部四种方法,不录用你都不可能!

题目链接

LeetCode 55. 跳跃游戏[1]

题目描述

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。

判断你是否能够到达最后一个位置。

示例1

输入:
[2,3,1,1,4]
输出:
true
解释:
我们可以先跳 1 步,从位置 0 到达 位置 1, 然后再从位置 1 跳 3 步到达最后一个位置。

示例2

输入:
[3,2,1,0,4]
输出:
false
解释:
无论怎样,你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 , 所以你永远不可能到达最后一个位置。

题解

动态规划+正推

用  表示位置  是否可达,初始的时候都是  ,只有  ,因为起点一定是可达的。

然后从位置  开始遍历。对于位置  ,如果发现 ,那么从前面的位置无法到达它,那么就更无法到达后面的位置了,所以直接返回 false

否则的话,它能到达的范围是  到  ,所以把这部分的  值都标记为  。

如果发现  ,就说明当前位置直接就能跳到终点了,直接返回 true

时间复杂度 ,空间复杂度  。

动态规划+倒推

用  表示从位置  能否到达终点,初始的时候都是  ,只有  ,因为从终点一定是可到达终点的。

然后从位置  开始往前遍历。对于位置  ,如果 ,那就说明当前位置直接就可以到达终点,那么就令  。

否则的话遍历所有的  到  ,如果其中有等于  的,那就说明先跳到那个位置,就能再跳到终点了。一个都没有的话  。

最后看  是否为  就行了。

时间复杂度 ,空间复杂度  。

贪心+正推

在上面的动态规划方法中,对于位置  ,我们需要把他能到达的位置全部做上标记。

但是其实没有必要这么做,只需要记录一下能到的最远的那个位置  就行了。如果遍历之后的位置  时,发现  ,那就说明之前的所有位置最远都无法到达  ,那就直接返回 false 。否则的话,比较一下当前能到达的最远位置,更新一下  的值。

时间复杂度 ,空间复杂度  。

贪心+倒推

还是从上面的动态规划方法改变来的,上面动态规划在位置  ,需要遍历所有它能到达的位置,然后看有没有位置能够到达终点。

其实只需要看能到的最远的那个位置就行了,我们用  表示后面的位置中最靠前的那个能够到达终点的位置。如果最远到达位置满足 ,那就说明位置  可以直接跳到  ,那么就更新  。否则的话怎么跳都跳不到终点,因为  和  之间的位置都是无法到达终点的。

需要注意的是,这里最远的位置  不一定能到达终点哦,但是中间的某个位置可能能够达到。

时间复杂度 ,空间复杂度  。

代码

动态规划+正推(c++)

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

动态规划+倒推(c++)

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int n = nums.size();
        vector<int> dp(n, 0);
        dp[n-1] = 1;
        for (int i = n-2; i >= 0; --i) {
            if (i+nums[i] >= n-1) {
                dp[i] = 1;
                continue;
            }
            for (int j = i+1; j <= i+nums[i]; ++j) {
                dp[i] |= dp[j];
                if (dp[i]) break;
            }
        }
        return dp[0];
    }
};

贪心+正推(c++)

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

贪心+倒推(c++)

class Solution {
public:
    bool canJump(vector<int>& nums) {
        int n = nums.size(), minn = n-1;
        for (int i = n-2; i >= 0; --i) {
            if (i+nums[i] >= minn) minn = i;
        }
        return !minn;
    }
};
相关文章
|
1月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
1月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
233 0
|
2月前
|
机器学习/深度学习 数据采集 传感器
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)
具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)
217 0
|
5天前
|
机器学习/深度学习 数据采集 负载均衡
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
结合多种启发式解码方法的混合多目标进化算法,用于解决带工人约束的混合流水车间调度问题(Matlab代码实现)
|
18天前
|
机器学习/深度学习 算法 物联网
基于遗传方法的动态多目标优化算法
基于遗传方法的动态多目标优化算法
|
4月前
|
人工智能 前端开发 Java
Java 面试资料中相关代码使用方法与组件封装方法解析
这是一份详尽的Java面试资料代码指南,涵盖使用方法与组件封装技巧。内容包括环境准备(JDK 8+、Maven/Gradle)、核心类示例(问题管理、学习进度跟踪)、Web应用部署(Spring Boot、前端框架)、单元测试及API封装。通过问题库管理、数据访问组件、学习进度服务和REST接口等模块化设计,帮助开发者高效组织与复用功能,同时支持扩展如用户认证、AI推荐等功能。适用于Java核心技术学习与面试备考,提升编程与设计能力。资源链接:[点此下载](https://pan.quark.cn/s/14fcf913bae6)。
122 6
Java 面试资料中相关代码使用方法与组件封装方法解析
|
11月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
1103 6
|
6月前
|
机器学习/深度学习 存储 算法
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
本文系统讲解从基本强化学习方法到高级技术(如PPO、A3C、PlaNet等)的实现原理与编码过程,旨在通过理论结合代码的方式,构建对强化学习算法的全面理解。
1295 10
18个常用的强化学习算法整理:从基础方法到高级模型的理论技术与代码实现
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
210 3
|
6月前
|
人工智能 算法 数据库
美团面试:LLM大模型存在哪些问题?RAG 优化有哪些方法?_
美团面试:LLM大模型存在哪些问题?RAG 优化有哪些方法?_