动态规划：打家劫舍

目录

题目描述

思路

解题过程

复杂度

Code

---

题目描述

        你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。

        给定一个代表每个房屋存放金额的非负整数数组，计算你 不触动警报装置的情况下 ，一夜之内能够偷窃到的最高金额。

---

示例 1：

输入：[1,2,3,1]
输出：4
解释：偷窃 1 号房屋 (金额 = 1) ，然后偷窃 3 号房屋 (金额 = 3)。
     偷窃到的最高金额 = 1 + 3 = 4 。

示例 2：

输入：[2,7,9,3,1]
输出：12
解释：偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9)，接着偷窃 5 号房屋 (金额 = 1)。
     偷窃到的最高金额 = 2 + 9 + 1 = 12 。

提示：

• 1 <= nums.length <= 100
• 0 <= nums[i] <= 400 

---

思路

动态规划

---

解题过程

1.动态规划思路：

• 我们定义一个数组 dp，其中 dp[i] 表示偷取前 i 个房屋能够获得的最高金额。
• 递推关系为：dp[i] = max(dp[i-1], dp[i-2] + nums[i])。
  • dp[i-1] 表示不偷取第 i 个房屋，所以金额与偷取前 i-1 个房屋的最高金额相同。
  • dp[i-2] + nums[i] 表示偷取第 i 个房屋，所以需要加上偷取前 i-2 个房屋的最高金额。

2.初始化：

• (1)如果只有一个房屋 (i = 0)，那么最大金额就是 nums[0]，即 dp[0] = nums[0]。
• (2)如果有两个房屋 (i = 1)，则最大金额是两个房屋中金额较大的那个，即 dp[1] = max(nums[0], nums[1])。

3.计算：

• 使用一个循环从第三个房屋开始，依次计算 dp[i] 直到最后一个房屋 dp[n-1]，其中 n 是数组 nums 的长度。

---

复杂度

• 时间复杂度：O(n)，其中 n 是数组 nums 的长度。我们需要遍历整个数组来计算 dp 数组。
• 空间复杂度：O(n)，额外使用了一个大小为 n 的 dp 数组来存储中间结果。

---

Code

class Solution(object):
    def rob(self, nums):
        n = len(nums)
        if n == 0:
            return 0
        if n == 1:
            return nums[0]
    
        dp = [0] * n
        dp[0] = nums[0]
        dp[1] = max(nums[0], nums[1])
    
        for i in range(2, n):
            dp[i] = max(dp[i-1], dp[i-2] + nums[i])
    
        return dp[n-1]

---