难度:中等
题目:
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 <= 104
0 <= nums[i] <= 1000
题目保证可以到达 nums[n-1]
解题思路
这道题目的解决方案可以通过贪心算法来实现,核心思想是尽可能地让每次跳跃都能让我们到达更远的位置。
理解问题
给定一个非负整数数组nums,数组中的每个元素表示你从当前位置可以跳跃的最大长度,目标是到达数组的最后一个位置。要求找到到达最后一个位置所需的最小跳跃次数。初始设置
● 初始化jumps为0,表示跳跃次数。
● 初始化maxReach为0,用来记录当前能到达的最远位置。
● 初始化lastJumpPos为0,记录上一次跳跃后能到达的最远位置。遍历数组
遍历数组nums,直到倒数第二个位置(因为到达最后一个位置时自然完成任务,无需额外跳跃)。
在每次迭代中执行以下步骤:
4. 更新最大可达位置:计算当前位置i加上其对应的跳跃能力nums[i],取当前最大可达距离与这个值的最大者,更新maxReach。这样可以确保maxReach始终记录着以当前位置为起点能跳到的最远位置。
5. 判断是否需要跳跃:如果当前遍历到了上一次跳跃所能达到的最远位置(即i === lastJumpPos),说明需要进行下一次跳跃。此时,jumps加1,并将lastJumpPos更新为当前的maxReach。这表示从当前位置开始,至少需要一次跳跃来覆盖剩余的距离。
- 结果返回
遍历结束后,jumps即为到达数组最后一个位置所需的最小跳跃次数。
为什么这种方法有效?
这种方法充分利用了贪心策略,每一步都试图做出最优选择,即尽可能通过较少的跳跃覆盖更远的距离。通过维护一个不断向前推进的“最远可达边界”,我们确保了在每次跳跃时都选择了最经济的方案,从而减少了总的跳跃次数。
通过这种方式,我们避免了暴力搜索或复杂的动态规划状态转移,仅通过一次遍历就高效解决了问题。
JavaScript代码实现
function jump(nums) {
let n = nums.length;
if (n === 1) return 0; // 如果数组只有一个元素,不需要跳跃
// jumps表示跳跃次数,maxReach表示当前能到达的最远位置,lastJumpPos表示记录上一次跳跃后能到达的最远位置
let jumps = 0, maxReach = 0, lastJumpPos = 0;
for (let i = 0; i < n - 1; i++) {
// 找到当前能跳到的最远位置
maxReach = Math.max(maxReach, i + nums[i]);
// 当前位置已经是上次跳跃能达到的最远位置,需要再进行一次跳跃
if (i === lastJumpPos) {
jumps++;
lastJumpPos = maxReach; // 更新下次跳跃需要开始的位置
}
}
return jumps;
}
这段代码实现了题目要求的功能,注意其中对特殊情况的处理,以及如何通过贪心策略逐步推进跳跃的边界,最终计算出最小的跳跃次数。