题目描述
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,影响小偷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 nums ,请计算 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:nums = [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:nums = [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 。
思路
典型的单序列问题,对于每个房子,小偷可以选择偷或者不偷,所以就想到了DFS。但是为什么不用DFS呢,DFS和递归的区别在于,递归不关心所有解集的具体情况,只关心最终的情况(比如最大值,最小值,解集的个数)。因为我们只需要求盗窃的最大金额,而不需要具体的去记录哪些房子被偷了,所以采用动态规划。
我们设dp[i]表示小偷从第0号房子开始一直到第i号房子所能偷的最大金额,那么对于当前第i号房子来说,我们怎么求dp[i]呢,无非就两种情况,偷与不偷。
- 偷第i号房子:因为相邻的房子不能偷,所以i-1号肯定不能偷,所以结果就为dp[i] = dp[i-2] + nums[i],即i-2号房子所能偷的最大值加上第i号房子的钱
- 不偷第i号房子:那么i-1就可以偷了,所以dp[i] = dp[i-1]
那么究竟偷还是不偷第i号房子呢,很简单啊,怎么钱多怎么来呗!
所以取这两种情况的最大值就行了呗!
那么状态转移方程就推出来了:
dp[i] = Math.max(dp[i - 2] + nums[i], dp[i - 1]);
完整代码
class Solution {
public int rob(int[] nums) {
if(nums.length == 1){
return nums[0];
}
int[] dp = new int[nums.length];
dp[0] = nums[0];
dp[1] = Math.max(nums[0], nums[1]);
for(int i = 2; i < nums.length; i++){
dp[i] = Math.max(dp[i - 2] + nums[i], dp[i - 1]);
}
return dp[nums.length - 1];
}
}
不要忘记初始化dp[0]和dp[1]!