示例：
不同于跳跃游戏1只是判断能否到达终点，跳跃游戏II在其基础之上给出了求最小跳跃次数的要求。
那么或许我们会有这样的猜测：我们只要尽可能地往远处跳就可以实现题目的要求。
诚然，这是不错的——
如果我们完全利用了可以远跳的机会，那么显然达到终点所消耗的步数就是最少的。
但是，如果只是单纯地按照这个思路，那么有可能会陷入一个误区。
这里先给出按照上述逻辑所实现的错误代码：
class Solution {
public int Jump(int[] nums){
if(nums.length <= 1){
return 0;
}
int res = 0;
int covered = 0;
for (int i = 0; i < covered; i++) {
if(covered >= nums.length - 1){
return res;
}
//当发现某一点覆盖范围比当前大就替换当前覆盖范围，并将步数+1
if(covered < i + nums[i]){
covered = i + nums[i];
res++;
}
}
return res;
}
}(这里同样利用了跳跃游戏1所用到的覆盖范围的概念)
显然上述代码实现了这样一个功能——当我们在当前覆盖内遇到了任意的一个点，并且这个点使得当前覆盖范围得到增加，那么就更新覆盖范围并且使得跳跃步数加一。
好像没什么问题，我们确实是在往远处跳.....
但这是错误的，上述思维还是仅仅利用了跳跃问题1的思维模式。但是本题与跳跃问题1是有本质差别的。
这里给出上述逻辑错误的原因：
我们没有完全利用到每次跳跃的机会，我们做了步数的浪费！
这样的局部最优是推不出全局最优的！
例如下图：
我们完全可以直接跳到第三个"3"的位置，然后再继续往后跳跃，而不是在途中又经过了第二个"3",这显然是对步数的浪费，也不符合我们确定"覆盖范围"这么一概念的意义。
那么尝试阐明了这么一个可能会出现的错误过后，我们或许可以想到的是——
如果我们遍历完全了当前覆盖范围，并且在当前覆盖范围中找到了接下来可以跳跃的最大覆盖范围的话....是不是就足以推出全局最优了呢？
显然是的，这里先给出具体代码：
class Solution {
public int jump(int[] nums) {
int curCover = 0, nextCover = 0;
int res = 0;
for (int i = 0; i <= curCover; i++) {
nextCover = Math.max(nextCover, i + nums[i]);
//如果nextCover大于了数组长度，那么就不需要循环了
if(curCover >= nums.length - 1)
break;
if(i == curCover){
res++;
curCover = nextCover;
}
}
return res;
}
}可以看到的是，我们利用了curCover与nextCover
前者表示当前我们所遍历的数组范围，后者表示我们在这个数组范围内所寻得的最大覆盖范围。
当然也是我们下一次所遍历的覆盖范围。
例如，我们假设在xCover中寻得某点x，那么或许在xCover内有许多点都能增大我们的覆盖范围，但是我们的x点，其所能增加的覆盖范围是最多的。所以我们便取x点并记录由其所更新的覆盖范围。也就是——
nextCover = Math.max(nextCover, i + nums[i]);
既然我们已经在当前覆盖范围内取得了下一次遍历最大的覆盖范围，那么何时对当前覆盖范围作更新呢？
显然，我们在遍历到当前覆盖范围末尾时作更新
也就是——
i == curCover
既然对当前覆盖范围做了更新，那么就意味着我们已经利用了一次跳跃机会。
可以这样理解，我们的根本目的就是遍历当前覆盖范围，并且找到能跳跃最远的位置，然后进行跳跃，这也是前文所提到的
但跳跃的过程并没有具体明显地展示，因为其已经包含在了我们的逻辑当中了。
那么照这样下去便能得到我们的全局最优，也就是取得最少跳跃次数了。
这就是我们给出的跳跃游戏II的讲解，当然也有其他算法
这里借鉴了《代码随想录》卡尔老师的思路。卡尔老师的思路确实都很巧妙，其思维逻辑很值得学习，在这里也感谢卡尔老师的讲解！
同样的，给出《代码随想录》本题视频地址，以及其网站——