跳躍遊戲
給定一個陣列，每個元素代表跳躍的距離，判斷是否能從起點出發，跳到陣列的末尾。
例如：給定一陣列[3，7，8，1，5]，從起點出發，可以跳躍3步，跳到位置3，然後跳1步，跳到位置4，跳4步到達末尾
思路分析
- 定義一個變數，用來初始化當前能到達
最遠位置 - 遍歷陣列，獲取當前位置索引及值，這裡使用到
enumerate函式,用來實現能夠同時獲取到當前位置及值。 - 若當前位置超出了能夠到達的最遠位置，則無法繼續跳躍
- 使用
max數更新最遠距離，確保它總是表示當前能到達的最遠位置。 - 遍歷完成後，檢查
max_distance是否至少為陣列長度減一，即是否能到達最後一個位置
enumerate簡述
Python內建的一個函式，它用於將一個可遍歷的資料物件（如列表、元組或字串）組合為一個索引序列，同時列出資料和資料下標，一般用在for迴圈當中。enumerate返回的是一個列舉物件，它包含元組，每個元組包含兩個元素，一個是索引值，一個是原始資料值。
舉例：
for index, value in enumerate(['a', 'b', 'c']):
print(f"Index: {index}, Value: {value}")
輸出結果：
Index: 0, Value: a
Index: 1, Value: b
Index: 2, Value: c
貪心演算法簡述
貪心演算法是在每一步選擇中都採取在當前狀態下最好或最優（即最有利）的選擇，從而希望導致結果是全域性最好或最優的演算法。是從問題的某一個初始解出發逐步逼近給定的目標，以儘可能快地求得更好的解。並且希望透過所做的區域性最優選擇來導致最終的全域性最優解時，這樣的演算法就被稱為貪心演算法
在canJump函式中，貪心策略體現在每一步都更新max_distance為當前位置能夠到達的最遠距離。這意味著在每一步，演算法都在儘可能地擴大能夠到達的範圍。
程式碼實現
def Jumping_Game(nums):
max_distance = 0 # 記錄當前能夠到達的最遠位置
for i, jump in enumerate(nums): # 遍歷陣列，獲取當前位置的索引和跳躍長度
if i > max_distance: # 如果當前位置超出最遠能夠到達的位置，則無法繼續跳躍
return False
if i + jump >= len(nums) - 1: # 如果能夠到達或超過最後一個位置，則返回True
return True
max_distance = max(max_distance, i + jump) # 更新最遠能夠到達的位置
return False # 遍歷完陣列後仍未到達最後一個位置，返回False
if __name__ == '__main__':
list_nums = [3, 3, 1, 1, 4]
print(Jumping_Game(list_nums))
print('-' * 31)
list_nums2 = [3, 2, 1, 0, 4]
print(Jumping_Game(list_nums2))
測試用例詳述
測試用例一：list_nums = [3, 3, 1, 1, 4]
-
從位置0開始，數值是3，意味著可以跳到位置0、1、2、3。
-
一旦到達位置 1，發現從這個位置也可以跳躍的最大步數是 3，這意味著可以直接跳到位置 4（因為
1 + 3 >= 4）。在這種情況下，我們不需要遍歷位置 2 或位置 3，已經找到了一條從位置 0 到位置 4 的路徑。）。圖例（表格方式，紅色為跳躍數）：
測試用例二：list_nums2 = [3, 2, 1, 0, 4]
-
同樣從位置0開始，數值是3，我們可以跳到位置0、1、2、3。
更新
max_distance為3。 -
在位置1，數值是2，我們可以跳到位置1、2、3。此時
max_distance仍然是3。 -
在位置2，數值是1，我們只能跳到位置2或3。此時
max_distance仍然是3。 -
在位置3，數值是0，這意味著我們無法從這裡跳到更遠的位置。此時，
i（當前位置）已經大於max_distance（最遠能夠到達的位置），所以函式返回False。
圖例（表格方式，紅色為跳躍數）：
總結
關鍵在於每一步都儘可能地更新max_distance，從而確保我們不會錯過任何可能到達陣列的末尾路徑。
時間複雜度：O(n)，程式碼遍歷了陣列nums一次，沒有巢狀迴圈或其他會增加時間複雜度的操作。因此，時間複雜度是O(n)，其中n是陣列nums的長度。
空間複雜度：O(1)，程式碼中只使用了幾個變數（如max_distance和i，jump）來追蹤當前能夠到達的最遠位置,當前下標，當前位置的值。這些變數不隨陣列nums的大小變化而增加，因此空間複雜度是O(1)。