查看原文
其他

腾讯面试题:青蛙跳跳跳

The following article is from 牛牛码特 Author 牛牛码特





































01青蛙的故事

青蛙公主是远近闻名的大美蛙🐸,她一心想找一个聪明的老公,于是设下擂台,比武招亲:有连续的木板,因为材质不同,每个木板能跳的最大距离有限,来应招的青年才俊,需要判断,是否能跳到最后一块板子。


让我们来看看输入参数:一个非负整数数组,青蛙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。输出就更简单:能否跳到。

02解题思路
按照一般的解题思维,DFS肯定可以做,但效率应该不是最高。递推的话,动态规划可以考虑,同时看看有没有使用贪心算法的可能性,如果能贪心,那可能就是最简路径。

很幸运,这道题无论是DFS,还是动态规划,亦或是贪心算法都可以做,我比较喜欢这类题,从不同思路,开展不同做法,互相比较,归纳复盘,容易得到提高。话不多说,我们来逐个看看。

03花式吊打

DFS深度优先算法

最直接的解法,就是基于每种可能,即每块板子可能的跳跃距离,进行DFS递归搜索。这种算法思路比较无脑,缺点显而易见:时间复杂度很高,大概率会超时。

换个角度:目标是最后一个木板。那么往前找到所有能跳到目标的木板,然后以这些木板为目标,递归查找下去。这种算法速率也一般,算是优化版的DFS。


果不其然,运行超时,蛙蛙流泪。


动态规划

我们定义一个数组dp,dp[i]表示当前可以覆盖的最大范围。当前位置能否可达很简单,判断dp[i-1]是否小于i,如果小于就不可达。如果可达,更新dp[i] = Max(dp[i-1], i+nums[i])。
由上图执行结果可以看到,按照动态规执行的数据,相比DFS是飞跃,耗时减少2/3,内存消耗减少100%以上,时间复杂度应该已经是最优,后面就看空间上是否可以优化。

贪心算法

贪心算法,顾名思义,就是足够贪心。如果当前木板能跳到的距离比当前能达的距离更远,就跳到当前木板,否则就先停留在当前木板。按照这样的规则,一直跳到最后一块板,其间永远站在能跳的最远的木板。如果中间有位置不可达了,那就是跳不到,因为在贪心的基础上,当前点已经是覆盖范围最大的了,如果这样都跳不到,其他方式也不行的。
我们能看到这样写代码,简洁优雅,耗时满足预期,写完给自己点个赞👍,青蛙王子也得感谢我!

但是仔细想想,上面的代码其实可以更简洁明了。因为在本题中跳点不是必要项,换句话说,我们可以从关注跳点,变成关注距离。优化后的代码如下,是不是更加清晰?

把简单的事情做复杂不算什么。把复杂的事情越做越简单,才是能力提升的关键!


逆推法

实不相瞒,这题做到这里,还做出感觉了。我就想,还有没有其他解决方法?

换个角度思考一下,之前大多为正向推导,但是DFS是逆向行走,说明逆推是可行的,只是我们嫌弃DFS效率太低。

对于一个目标位置,我们往前找能跳到该位置的最近的木板,将这个木板作为我们新的目标。这样持续倒推,如果最终推导到了第一块木板,也就是我们的起点,那么就证明可以从起点跳到终点。

注意,我们来仔细思考下这种方式和DFS的不同,DFS是基于当前位置,从后往前递归所有能跳到当前木板的情况,会走完多条分支路径;而这种逆推方式,只会随遇而安地往前挪挪,是O(n)的复杂度。



04蛙蛙复盘
横看成岭侧成峰,条条大路通罗马,一个简单的跳板运动,居然有这么多思维方式。把一件事情做到极致,我们也一定会收获多多。做算法题,不仅要尝试beats 100%,更进一步的追求是将各种方式都做透彻,每种方式可能有自己的优缺点,很可能加一个限制条件,当前最优解就成死路了。

当然,最重要的是,这样的做题习惯训练了我们不同思维方式。无论是在学习还是工作中,一个问题,你能给出好几种解决方案,还不能成为这条街上最靓的仔?


- EOF -

推荐阅读  点击标题可跳转

1、一道错误答案传遍全网的逻辑面试题

2、微软面试题:红帽子与黑帽子

3、腾讯面试题:64匹马,8赛道,找出最快的4匹最少要几次?


觉得本文有帮助?请分享给更多人

推荐关注「算法爱好者」,修炼编程内功

点赞和在看就是最大的支持❤️

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存