贪心算法能高效解决跳跃游戏问题：jump game i通过维护最远可达索引判断是否可达，jump game ii用分层bfs思想结合currentend与farthest求最少跳跃次数，时间复杂度o(n)，空间o(1)。
贪心算法在跳跃游戏（Jump Game）中能高效求出“能否到达终点”或“最少跳跃次数”，关键在于每一步都选择当前能到达的最远位置，不回溯、不穷举。
判断是否可达：一次遍历维护最远可达索引
对于 Jump Game I（给定数组 nums，nums[i] 表示从位置 i 最多跳 nums[i] 步），目标是判断能否从索引 0 到达最后一个索引。
- 用变量 maxReach 记录当前能到达的最远下标，初始为 0
- 遍历数组（索引 i 从 0 到 n-1），若 i > maxReach，说明当前位置已不可达，直接返回 false
- 否则更新：maxReach = Math.max(maxReach, i + nums[i])
- 若遍历中 maxReach >= n-1，提前返回 true
求最小跳跃次数：分层 BFS 思想 + 贪心边界推进
Jump Game II 要求最少跳跃步数。虽本质是 BFS，但可用贪心模拟“层”的扩展过程，避免建图和队列开销。
- 维护三个变量：currentEnd（当前跳跃能覆盖的右边界）、farthest（下一步能跳到的最远位置）、jumps（已跳跃次数）
- 遍历 i 从 0 到 n-2（最后位置无需跳）
- 每次更新 farthest = Math.max(farthest, i + nums[i])
- 当 i == currentEnd，说明当前层结束，必须跳一次：jumps++，并令 currentEnd = farthest
- 若 currentEnd >= n-1，可提前终止
为什么贪心在这里成立？关键性质支撑
跳跃游戏的最优子结构允许贪心选择：在能覆盖的范围内，跳得越远，留给后续的选择空间越大，不会因局部保守导致全局步数增加。
- 假设某步没选最远位置，而是跳到中间某个点，那它能覆盖的后续范围一定 ⊆ 选最远点所能覆盖的范围
- 因此，每步取 i + nums[i] 的最大值，等价于 BFS 中拓展下一层的所有节点
- 该策略不依赖未来信息，仅基于当前已知可达范围，时间复杂度稳定为 O(n)，空间 O(1)
常见陷阱与调试建议
实际编码时容易忽略边界细节，导致逻辑错误或越界。
- 数组为空或长度为 1 时，直接返回 true 或 0 次跳跃
- Jump Game II 中，不要在 i == n-1 时更新 farthest，否则可能误算额外跳跃
- 更新 currentEnd 后立即检查是否 ≥ n−1，避免多跳一次
- 用小样例手动模拟（如 [2,3,1,1,4]）验证每轮 currentEnd 和 farthest 变化
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
