小R设计了一款有趣的机器人，它每次移动时至少需要消耗一个能量值。假设当小R为机器人提供了 5 个能量值，它可以选择不动，也可以走 1 步，但它不会走超过 5 步。
小R希望机器人能够走到一个终点，该终点位于 N 个位置的最后一个位置。每个位置上都有一定的能量值，机器人每次消耗当前位置的能量值可以往前走几步，之后可以继续消耗新的位置的能量继续前进。如果某个位置的能量值为 0，机器人将无法再继续行动。
小R想知道，机器人是否有可能通过这些能量值移动到最后一个位置。你能帮他计算一下吗？
测试样例
样例1：
输入：
n = 5 ,array = [2, 3, 1, 1, 4]
输出：'TRUE'
样例2：
输入：
n = 5 ,array = [3, 2, 1, 0, 4]
输出：'FALSE'
样例3：
输入：
n = 6 ,array = [1, 2, 3, 4, 0, 0]
输出：'TRUE'
def solution(n, array):
# 初始化最远能够到达的位置
farthest = 0
for i in range(n):
# 如果当前位置无法到达，直接返回 'FALSE'
if i > farthest:
return "FALSE"
# 更新最远能到达的位置
farthest = max(farthest, i + array[i])
# 如果最远位置已经到达或超过终点位置，返回 'TRUE'
if farthest >= n - 1:
return "TRUE"
return "FALSE"
# 测试用例
if __name__ == "__main__":
print(solution(5, [2, 3, 1, 1, 4]) == "TRUE") # 应该返回 'TRUE'
print(solution(5, [3, 2, 1, 0, 4]) == "FALSE") # 应该返回 'FALSE'
print(solution(6, [1, 2, 3, 4, 0, 0]) == "TRUE") # 应该返回 'TRUE'
思路分析
- 基本情况：机器人可以从当前位置走 1 到
array[i]步，但如果当前位置上的能量值为0，就意味着机器人无法再继续前进。 - 关键观察：我们需要追踪机器人当前最远可以到达的位置。在每一步中，我们尝试更新最远能到达的位置，如果在某个位置上机器人不能再继续前进（即当前能到达的位置已经没有足够的能量前进），就意味着无法到达终点。
- 贪心算法：遍历
array数组，记录从当前位置可以到达的最远位置。如果在某个时刻，最远位置已经到达或超过终点，说明机器人可以成功到达终点。否则，如果某个位置无法前进到更远的地方，则失败。
算法步骤
- 从起点开始，初始时最远能到达的位置是 0。
- 遍历数组，对于每个位置
i，检查当前位置是否能够达到。若i小于或等于当前最远能到达的位置（表示可以从当前位置继续前进），则更新最远能到达的位置。 - 如果在某个时刻，最远能到达的位置大于等于
n-1（终点的位置），说明成功到达终点，返回'TRUE'。 - 如果遍历结束后，最远能到达的位置小于
n-1，说明无法到达终点，返回'FALSE'。 farthest：这是一个变量，用来记录机器人能够到达的最远位置。- 遍历数组：我们从位置 0 开始，检查是否可以到达当前的位置
i。如果当前位置不可达，直接返回'FALSE'。 - 更新最远位置：对于每一个可到达的位置，我们更新最远位置
farthest，它等于当前位置i加上当前位置的能量值array[i]，即从当前位置能走的最远距离。 - 终止条件：如果在任何时候，最远位置
farthest达到了或超过了终点位置n-1，说明机器人可以成功到达终点，返回'TRUE'。
时间复杂度
- 该算法的时间复杂度是
O(n)，因为我们只需要遍历数组一次。
测试结果
- 测试用例 1：输入
[2, 3, 1, 1, 4]，输出'TRUE'。 - 测试用例 2：输入
[3, 2, 1, 0, 4]，输出'FALSE'。 - 测试用例 3：输入
[1, 2, 3, 4, 0, 0]，输出'TRUE'。
