问题描述
一只青蛙想要过河。 假定河流被等分为若干个单元格，并且在每一个单元格内都有可能放有一块石子（也有可能没有）。 青蛙可以跳上石子，但是不可以跳入水中。
给你石子的位置列表 stones（用单元格序号 升序 表示），
请判定青蛙能否成功过河（即能否在最后一步跳至最后一块石子上）。开始时，
青蛙默认已站在第一块石子上，并可以假定它第一步只能跳跃 1 个单位（即只能从单元格 1 跳至单元格 2 ）。
如果青蛙上一步跳跃了 k 个单位，那么它接下来的跳跃距离只能选择为 k - 1、 k 或 k + 1
个单位。 另请注意，青蛙只能向前方（终点的方向）跳跃。
示例 1：
输入：stones = [0,1,3,5,6,8,12,17]
输出：true
解释：青蛙可以成功过河，按照如下方案跳跃：跳 1 个单位到第 2 块石子, 然后跳 2 个单位到第 3 块石子, 接着
跳 2 个单位到第 4 块石子, 然后跳 3 个单位到第 6 块石子, 跳 4 个单位到第 7 块石子, 最后，跳 5
个单位到第 8 个石子（即最后一块石子）。
示例 2：
输入：stones = [0,1,2,3,4,8,9,11]
输出：false
解释：这是因为第 5 和第 6 个石子之间的间距太大，没有可选的方案供青蛙跳跃过去。
提示：
2 <= stones.length <= 20000 <= stones[i] <= 2³¹ - 1stones[0] == 0stones按严格升序排列
解题思路
记忆化搜索
我们考虑dfs(i, k)表示从第i个石子跳k步，之后能否到达终点；
- 如果从第
i个石子跳k步，不能到达另一个石子，return false;； - 否则，记从第
i个石子跳k步到达的新石头的索引为new_idx，那么只要从new_idx跳k + 1,k,k - 1任意一步能到达终点，则dfs(i, k)返回的结果为true。
边界条件if (idx == stones.size() - 1) return true;，同时k不能为0， 为0则return false;
动态规划
记dp[i][k]为到达从上一个石子处跳k个单位到达第i个石子（注意这里的上一个石子并不一定是第i - 1石子，而是stones[i] - k位置对应的的石子，记该索引为pre_idx = ump[stones[i] - k]），对应的状态转移方程为：
dp[i] = dp[pre_idx][k] || dp[pre_idx][k - 1] || dp[pre_idx][k + 1];，这里dp[i][k]应该初始化为false， 同时dp[0][0] = true;
bfs
其实就是记忆化搜索的翻版，visited数组变成vector<vector<bool>> visited(stones.size(), vector<bool>(stones.size() + 1, false));，分别表示石子坐标和到达该坐标的步数；
注意pair入队时，要更新visited数组
bfs
代码
记忆化搜索
class Solution {
public:
bool dfs(int start_idx, int mv_step, vector<int> &stones, unordered_map<int, int> &ump, vector<vector<int>> &cache) {
if (start_idx == stones.size() - 1) {
return true; // ?这里不确定
}
if (mv_step <= 0) {
return false;
}
if (ump.find(stones[start_idx] + mv_step) != ump.end()) {
if (cache[start_idx][mv_step] > -1)
return cache[start_idx][mv_step];
int new_idx = ump[stones[start_idx] + mv_step];
cache[start_idx][mv_step] = dfs(new_idx, mv_step - 1, stones, ump, cache) || dfs(new_idx, mv_step, stones, ump, cache) || dfs(new_idx, mv_step + 1, stones, ump, cache);
return cache[start_idx][mv_step];
}
return false;
}
bool canCross(vector<int> &stones) {
// 尝试记忆化搜索的写法
unordered_map<int, int> ump;
for (int i = 0; i < stones.size(); ++i) {
ump[stones[i]] = i;
}
vector<vector<int>> cache(stones.size(), vector<int>(stones.size() + 1, -1));
return dfs(0, 1, stones, ump, cache);
}
};
动态规划
class Solution {
public:
bool canCross(vector<int> &stones) {
unordered_map<int, int> ump;
for (int i = 0; i < stones.size(); ++i) {
ump[stones[i]] = i;
}
// 跳了k步，到达stones[i], dp[i][k];
vector<vector<bool>> dp(stones.size(), vector<bool>(stones.size() + 1, false));
dp[0][0] = true;
for (int i = 1; i < stones.size(); ++i) {
for (int k = 1; k <= i; ++k) {
if (ump.find(stones[i] - k) != ump.end()) {
int pre_idx = ump[stones[i] - k];
dp[i][k] = dp[pre_idx][k] || dp[pre_idx][k - 1] || dp[pre_idx][k + 1];
}
}
}
for (int k = 1; k < stones.size(); ++k) {
if (dp[stones.size() - 1][k]) {
return true;
}
}
return false;
}
};
bfs
class Solution {
public:
bool canCross(vector<int> &stones) {
if (stones[1] > 1) {
return false;
}
vector<vector<bool>> visited(stones.size(), vector<bool>(stones.size() + 1, false));
visited[1][1] = true;
unordered_map<int, int> ump;
for (int i = 0; i < stones.size(); ++i) {
ump[stones[i]] = i;
}
queue<pair<int, int>> q;
q.push({1, 1});
while (!q.empty()) {
auto [idx, mv_step] = q.front();
q.pop();
if (idx == stones.size() - 1)
return true;
for (int i = mv_step + 1; i > 0 && i >= mv_step - 1; --i) {
if (ump.find(stones[idx] + i) != ump.end()) {
int new_idx = ump[stones[idx] + i];
if (visited[new_idx][i] == false) { // 说明这个点没有被访问过
visited[new_idx][i] = true;
q.push({new_idx, i});
}
}
}
}
return false;
}
};