题目解析
我们使用 贪心算法 来解决这个问题。通过动态维护一个变量 maxReach，它表示机器人当前可以到达的最远位置。如果某个位置无法到达，我们就返回 "FALSE"；如果可以到达终点，则返回 "TRUE"。
Java 代码实现
public class Main {
public static String solution(int n, int［] array）｛
// Edit your code here
int maxReach = 0；// 当前能到达的最大位置
for (int i= 0; i‹n; i++){
if (i > maxReach){
neturn "FALSE"：// 当前索引不可达
}
maxReach = Math.max（maxReach,i + anray［i］）；/ /更新最远可达位置
if （maxReach > n-1）｛
neturn "TRUE"：// 已经可以到达最后一个位置
}
}
return "FALSE";//遍历结束仍无法到达最后一个位置
public static void main（String［］ args） ｛
//Add your test cases here
System. out. println(solution(n:5, new int]{2, 3, 1, 1, 43). equals(anObject: "TRUE"));
System. out. println(solution(n:5, new int]{3, 2, 1, 0, 43). equals (anObject: "FALSE"));
}
}
代码解析
-
canReachEnd方法：这个方法接受数组的长度n和能量值数组array，判断机器人是否能到达最后一个位置。- 初始化
maxReach为0，表示从起点开始时，机器人能够到达的位置是位置0。 - 使用
for循环遍历数组中的每个位置i。 - 如果当前位置
i超出了最大可达位置maxReach，说明机器人无法到达此位置，返回"FALSE"。 - 否则，更新
maxReach为max(maxReach, i + array[i])，表示当前位置能到达的最远位置。 - 如果在遍历过程中，
maxReach大于或等于n-1（最后一个位置），则返回"TRUE"，表示机器人能够到达终点。
- 初始化
-
main方法：用于测试样例，调用canReachEnd方法并输出结果。
测试样例：
输入：n=5,array = 12, 3, 1, 1, 41 输出：'TRUE' 样例2： 输入：n=5,array = 13, 2, 1, 0, 41 输出：'FALSE' 样例3： 输入：n=6‚array =［1,2，3，4,0,0］ 输出：'TRUE"
总结
- 通过贪心算法，动态更新最大可达位置
maxReach，使得我们能够在每一步判断是否能够到达终点。 - 该方法的时间复杂度为
O(n)，空间复杂度为O(1)，是一个高效的解决方案。
下面解释一下贪心算法：
贪心算法是一种在每一步选择中都做出当前看起来最优的选择，从而希望通过一系列局部最优的选择，最终得到全局最优解的算法。贪心算法常用于那些可以通过局部最优选择来达到全局最优的优化问题。
贪心算法的基本思想：
选择最优策略：在每一步中，都选择当前状态下看起来最好的选择（即局部最优选择）。 不可回溯：贪心算法的核心特性是局部最优选择，它不考虑之前选择的后果，只考虑当前的最优解，而不回溯修改。 不一定能得到全局最优解：贪心算法并不总是能保证找到全局最优解，但对于某些问题，它可以找到一个全局最优解。
贪心算法的特点：
1.贪心选择性质：每次都做出在当前情况下最好的选择。 2.最优子结构：问题的最优解可以通过子问题的最优解构造出来。 3.无后效性：贪心算法的选择不依赖于之前的选择，它在做决策时不考虑后续的影响。
贪心算法的步骤：
1.问题拆解：将原问题拆解为若干子问题，并进行排序（如果有需要）。 2.选择标准：设计一个标准来选择当前的最优解。 3.局部最优选择：每一步做出当前看起来最优的选择。 4.更新状态：做出选择后更新问题的状态。 5.判断终止条件：直到满足终止条件，输出结果。
贪心算法的应用场景：
1.活动选择问题：在给定时间段内选择不重叠的活动。 2.最小生成树：如 Kruskal 算法和 Prim 算法。 3.单源最短路径：如 Dijkstra 算法。 4.哈夫曼编码：用于数据压缩的编码问题。 5.找零问题：用最少的硬币数量找出某个金额的零钱。
