当前位置: 首页 > news >正文

LeetCode热题100--55. 跳跃游戏--中等

题目

给你一个非负整数数组 nums ,你最初位于数组的 第一个下标 。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下标,如果可以,返回 true ;否则,返回 false 。

示例 1:
输入:nums = [2,3,1,1,4]
输出:true
解释:可以先跳 1 步,从下标 0 到达下标 1, 然后再从下标 1 跳 3 步到达最后一个下标。

示例 2:
输入:nums = [3,2,1,0,4]
输出:false
解释:无论怎样,总会到达下标为 3 的位置。但该下标的最大跳跃长度是 0 , 所以永远不可能到达最后一个下标。

题解

classSolution{publicbooleancanJump(int[]nums){intmx=0;for(inti=0;mx<nums.length-1;i++){if(i>mx){// 无法到达 ireturnfalse;}mx=Math.max(mx,i+nums[i]);// 从 i 最右可以跳到 i + nums[i]}returntrue;}}

解析

出自:两种理解方式:维护最右可达位置/合并区间(Python/Java/C++/C/Go/JS/Rust)

classSolution{//定义一个新的解决方案类publicbooleancanJump(int[]nums){//布尔方法canJump输入一个整型数组nums,用于判断是否可以到达最后一个索引intmx=0;//初始化mx为0。它将用于跟踪我们可以跳到的最远的距离for(inti=0;mx<nums.length-1;i++){//我们遍历整个数组直到我们的“最右”超过或等于数组长度(但不包括长度的最后一个元素,因为我们已经在数组的末尾了)if(i>mx){//如果我们在当前这个点之前无法到达returnfalse;//那么就返回false表示我们无法到达最后一个索引}mx=Math.max(mx,i+nums[i]);//否则,将我们的“最右”更新为旧的“最右”和当前位置加上你可以跳过的最大距离(nums[i])之间的较大值。这样确保了我们总是尽可能地向前走returntrue;//如果没有任何一个点阻挠我们跳过,那么无论如何都可以到达最后一个索引。所以返回true}//这个解决方案的时间复杂度为O(n),其中n是输入数组的长度。空间复杂度也为O(1),因为我们只使用了常量的额外空间来保存mx变量。
http://www.zskr.cn/news/112718.html

相关文章:

  • 属于“AI建造者们”的2025年 “时代”为何选择百度
  • 《#{} vs ${}:MyBatis 里这俩符号,藏着性能与安全的 “生死局”》
  • Comsol 助力多裂纹水力压裂扩展研究
  • Windows任务管理器的作用
  • Windows任务管理器中的内存指标解读
  • Windows任务管理器中CPU相关指标怎么看?
  • SDUT Java 类和对象
  • 基于单片机的智能衣柜
  • 【SVD】SVD数学推导,物理意义及其经典应用
  • 基于单片机的智能密码锁设计
  • RAG技术全解析:从基础检索到智能体驱动的AI系统必学必藏
  • 基于单片机的节能窗控制系统设计
  • LobeChat心理情绪日记分析工具
  • 【情感】程序人生之理想主义的情感希冀(个人背景、兴趣爱好、爱情观、理想的另一半、期待什么样的生活等)
  • 1688 商品详情接口深度解析:从百川签名突破到供应链数据重构
  • 【go语言 | 第5篇】channel——多个goroutine之间通信
  • LobeChat公益活动策划方案生成
  • 探秘!宜宾这5家家电门店,质量好到超乎想象!
  • 大模型推理基石:如何用 C++ 封装 CUDA API?(含源码与原理解析)
  • 基于大数据旅游分析可视化平台 数据大屏 游客分析+商家分析+舆情分析 Flask框架 (附源码)
  • GraphRAG:从向量检索到知识图谱,大模型推理能力的革命性突破
  • 构建高效RAG系统:21种文本分块策略全解析,程序员必备收藏指南
  • AI Agent全解析:从第一性原理到多Agent协作,程序员必学的大模型进阶指南
  • Jmeter 命令行压测生成HTML测试报告
  • 编程马拉松指定工具:LobeChat助力Hackathon选手
  • 软著提交时人数过多系统繁忙问题,终极解决办法!
  • AI编程系列——mcp与skill
  • 基于单片机的交通红绿灯控制系统
  • Netcode for GameObjects Boss Room 多人RPG战斗(7)
  • TensorFlow损失函数的“隐形坑”