力扣面试经典算法150题:跳跃游戏 II

跳跃游戏 II

今天的题目是力扣面试经典150题中的数组的中等难度题:跳跃游戏II。

题目链接:https://leetcode.cn/problems/jump-game-ii/description/?envType=study-plan-v2&envId=top-interview-150

题目描述

给定一个非负整数数组 nums,你最初位于数组的第一个位置。每个元素代表你在该位置可以跳跃的最大长度。你的目标是从数组的起始位置到达最后一个位置。求出到达最后一个位置所需的最少跳跃次数。

  • 示例
    • 输入:
      nums = [2,3,1,1,4]
    • 输出:
      2
  • 示例 :
    • 输入:
      nums = [2,3,0,1,4]
    • 输出:
      2

题目分析

昨天刚做完跳跃游戏的题目,昨天的题目只需要返回能否到终点即可,今天题目难度高一点,我们需要返回最少的次数,但是这个游戏的本质还是一样的。

解题思路

这个题目闭眼贪心算法,昨天刚解完,今天总不能忘了吧。

  1. 初始化三个变量:step 表示当前步数,maxReach 表示当前可以达到的最远位置,end 表示上一步可以达到的最远位置。
  2. 遍历数组,更新 maxReach。
  3. 当遍历到 end 时,增加步数,并更新 end 为新的 maxReach。
  4. 继续遍历直到结束。

实际算法代码

以下是使用上述思路的 Java 实现:

java 复制代码
public class Solution {

    public static void main(String[] args) {
        Solution solution = new Solution();
        int[] nums = {2, 3, 1, 1, 4};
        int minJumps = solution.jump(nums);
        System.out.println("Minimum jumps: " + minJumps);
    }


    public int jump(int[] nums) {
        int step = 0;
        int maxReach = 0;
        int end = 0;
        for (int i = 0; i < nums.length - 1; i++) {
            maxReach = Math.max(maxReach, i + nums[i]);
            if (i == end) {
                step++;
                end = maxReach;
                if (end >= nums.length - 1) break;
            }
        }
        return step;
    }
}

可以看到,实际计算的代码比昨天也没多什么东西,就一个计算结果的步数,到结尾返回。只要题目理解的没问题,熟练使用贪心算法,解答还是很简单的。

结果

运行代码,测试通过:

提交到力扣,也正常通过:

总结

又是使用贪心算法的一天,已经连着解了好几个题了。

其实主要还是理解题目,掌握规律,使用恰当的代码编写,从暴力解法慢慢过渡到优秀解法,算法之力就是这么积累的。

加油!!!

相关推荐
大大水瓶17 小时前
Tomcat
java·tomcat
dustcell.17 小时前
haproxy七层代理
java·开发语言·前端
游离态指针17 小时前
以为发消息=下单成功?RabbitMQ从0到秒杀实战的完整踩坑笔记
java
ZPC821017 小时前
docker 镜像备份
人工智能·算法·fpga开发·机器人
ZPC821017 小时前
docker 使用GUI ROS2
人工智能·算法·fpga开发·机器人
琢磨先生David17 小时前
Day1:基础入门·两数之和(LeetCode 1)
数据结构·算法·leetcode
颜酱17 小时前
栈的经典应用:从基础到进阶,解决LeetCode高频栈类问题
javascript·后端·算法
多恩Stone17 小时前
【C++入门扫盲1】C++ 与 Python:类型、编译器/解释器与 CPU 的关系
开发语言·c++·人工智能·python·算法·3d·aigc
BD_Marathon17 小时前
工厂方法模式
android·java·工厂方法模式
生信大杂烩17 小时前
癌症中的“细胞邻域“:解码肿瘤微环境的空间密码 ——Nature Cancer 综述解读
人工智能·算法