[leetcode每日一题2020/8/5]337. 打家劫舍 III

题目来源于leetcode,解法和思路仅代表个人观点。传送门
难度:中等
用时:03:00:00(大概3小时吧,思路有点bug)

题目

在上次打劫完一条街道之后和一圈房屋后,小偷又发现了一个新的可行窃的地区。这个地区只有一个入口,我们称之为“根”。 除了“根”之外,每栋房子有且只有一个“父“房子与之相连。一番侦察之后,聪明的小偷意识到“这个地方的所有房屋的排列类似于一棵二叉树”。 如果两个直接相连的房子在同一天晚上被打劫,房屋将自动报警。

计算在不触动警报的情况下,小偷一晚能够盗取的最高金额。

示例 1:

输入: [3,2,3,null,3,null,1]

     3
    / \
   2   3
    \   \ 
     3   1

输出: 7 
解释: 小偷一晚能够盗取的最高金额 = 3 + 3 + 1 = 7.

示例 2:

输入: [3,4,5,1,3,null,1]

     3
    / \
   4   5
  / \   \ 
 1   3   1

输出: 9
解释: 小偷一晚能够盗取的最高金额 = 4 + 5 = 9.

思路

乍一看还以为是广度遍历的题目,仔细一看,没这么简单。
分析一下,每个节点都有不拿的状态,该节点的状态,又影响之后节点的状态。
在这里插入图片描述
图中可以看出,如果该节点有一种情况,不拿有4总情况。那么我们我可以把该节点不拿的情况遍历出来之后存到数组里面。

如果该节点,那么不拿其左节点和右节点。
如果不拿该节点,那么其左节点和右节点,不拿都有可能。

设dp[n][m]为节点n,状态为m时,的最大值。其中m=0表示不拿,m=1表示
d p [ n ] [ m ] = { n o d e . v a l + d p [ n o d e . l e f t ] [ 0 ] + d p [ n o d e . r i g h t ] [ 0 ] , m = 1 m a x { d p [ n o d e . l e f t ] [ 0 ] , d p [ n o d e . l e f t ] [ 1 ] } + m a x { d p [ n o d e . r i g h t ] [ 0 ] , d p [ n o d e . r i g h t ] [ 1 ] } , m = 0 dp[n][m]=\begin{cases} node.val + dp[node.left][0] + dp[node.right][0] &,& {m = 1}\\ max\{dp[node.left][0],dp[node.left][1]\}+max\{dp[node.right][0],dp[node.right][1]\} &,&{m=0} \end{cases} dp[n][m]={node.val+dp[node.left][0]+dp[node.right][0]max{dp[node.left][0],dp[node.left][1]}+max{dp[node.right][0],dp[node.right][1]},,m=1m=0

该方法不是最优法,但是思想类似。后面附带官方版本。

代码

//my version
class Solution {
    //map记忆储存每个节点的拿与不拿的状态
    Map<Integer,int[]> map = new HashMap<>();

    public int rob(TreeNode root) {
        int ans = 0;
        //1表示拿,0表示不拿
        ans = Math.max(dfs(root,1,1),dfs(root,1,0));
        return ans;
    }
    public int dfs(TreeNode node,int id,int status){
        //如果该节点为空,就返回0
        if(node == null){
            return 0;
        }
        //如果之前已经存有该值
        if(map.get(id)!=null){
            int result = map.get(id)[status];
            //如果这个状态存有值
            if(result!=0){
                return result;
            }
        }
        //记录当前节点status状态的值
        int sum = 0;
        if(status == 1){
            sum = node.val + dfs(node.left,2*id,0) + dfs(node.right,2*id+1,0);
        }else if(status == 0){
        	/*
            int temp1 = dfs(node.left,2*id,1) + dfs(node.right,2*id+1,1);
            int temp2 = dfs(node.left,2*id,1) + dfs(node.right,2*id+1,0);
            int temp3 = dfs(node.left,2*id,0) + dfs(node.right,2*id+1,1);
            int temp4 = dfs(node.left,2*id,0) + dfs(node.right,2*id+1,0);
            //取四个当中的最大值
            sum = Math.max(Math.max(temp1,temp2),Math.max(temp3,temp4));
            */
            //左节点(拿与不拿)的最大值+右节点(拿与不拿)的最大值
        	int temp1 = Math.max(dfs(node.left,2*id,0),dfs(node.left,2*id,1));
        	int temp2 = Math.max(dfs(node.right,2*id+1,0),dfs(node.right,2*id+1,1));
        	sum = temp1 + temp2;
        }
        
        int[] list;
        //如果是第一次访问
        if(map.get(id)==null) {
        	//把该节点加入到map中
	        list = new int[2];
	        
        }
        //如果不是第一次访问
        else {
        	list = map.get(id);
        }
        list[status] = sum;
        map.put(id,list);

        return sum;
    }
}
//official version
class Solution {
    public int rob(TreeNode root) {
        int[] rootStatus = dfs(root);
        return Math.max(rootStatus[0], rootStatus[1]);
    }

    public int[] dfs(TreeNode node) {
        if (node == null) {
            return new int[]{0, 0};
        }
        int[] l = dfs(node.left);
        int[] r = dfs(node.right);
        int selected = node.val + l[1] + r[1];
        int notSelected = Math.max(l[0], l[1]) + Math.max(r[0], r[1]);
        return new int[]{selected, notSelected};
    }
}

算法复杂度

时间复杂度: O(n)。每个节点的拿与不拿只遍历一次。
空间复杂度: O(n)。存储每个节点拿与不拿的值。

在这里插入图片描述

官方版本快5ms

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值