打家劫舍I
动态规划
动态数组dp[i]表示在前i+1个房屋能偷到的最大金额。
由于相邻不能偷的原则,dp[i] = max(dp[i-2]+nums[i],dp[i-1]),即为若要偷当前房屋,则比较前一个房屋dp[i-1]和不偷前一个房屋,但偷当前房屋的金额dp[i-2]+nums[i]的较大值。
对dp数组的初始化,从dp数组的推导可以看出,需要初始化最开始的2个元素才能开始递推,
dp[0]即只有1个房子,则只能偷那一个房子,dp[0] = nums[0],dp[1]则考虑第0个房屋和第1个房屋中哪个金额大,哪个金额大偷哪个,则dp[1] = max(nums[0],nums[1])。
依次从前往后递推
最后返回dp[nums.size()-1]即为能偷到的最大金额。
class Solution {
public:
int rob(vector<int>& nums) {
// 如果没有房屋,则无法偷窃,返回0
if(nums.size()==0)
return 0;
// 如果只有一家房屋,则直接偷窃这家房屋,返回其金额
if(nums.size()==1)
return nums[0];
// 创建一个动态规划数组dp,用于存储到当前房屋为止能够偷窃的最大金额
vector<int>dp(nums.size(),0);
// 初始化dp数组的前两个值
// 第一个房屋的最大偷窃金额为nums[0]
dp[0] = nums[0];
// 第二个房屋的最大偷窃金额为nums[0]和nums[1]中的较大值
dp[1] = max(nums[0], nums[1]);
// 从第三个房屋开始,计算到当前房屋为止能够偷窃的最大金额
// 对于每个房屋j,可以选择偷或者不偷:
// 如果偷,则最大金额为dp[j-2](即前一个房屋之前能偷的最大金额)加上当前房屋的金额nums[j]
// 如果不偷,则最大金额为dp[j-1](即前一个房屋能偷的最大金额)
// 取两者的较大值作为当前房屋能偷的最大金额
for(int j = 2; j < nums.size(); j++) {
dp[j] = max(dp[j-2] + nums[j], dp[j-1]);
}
// 返回dp数组的最后一个元素,即偷窃完所有房屋能够得到的最大金额
return dp[nums.size()-1];
}
};
代码的时间复杂度为O(n),空间复杂度为O(n)。
打家劫舍II
参考思路 代码随想录 (programmercarl.com)
这里我开头有想过不选头或者不选尾,但没有更深入了解下去,参考下代码随想录里的思路,总共有三种情况,分别是1.不选头尾,2.不选头,3.不选尾,2、3包含了1的情况,所以只考虑2、3,创建两个dp数组,dp数组1不偷尾部的房间,dp数组2不偷头部的房间,然后取2个数组末尾元素的较大值,即能得到能获得的最大金额。
其余操作和打家劫舍I相同。
class Solution {
public:
int rob(vector<int>& nums) {
// 如果没有房屋,则没有钱可偷
if(nums.size() == 0)
return 0;
// 如果只有一家房屋,则偷这一家的钱
if(nums.size() == 1){
return nums[0];
}
// 如果只有两家房屋,则偷其中金钱较多的那家
if(nums.size() == 2){
return max(nums[0], nums[1]);
}
// 创建两个新的数组,分别包含第一家和第二家到最后一家的所有房屋
vector<int> nums1(nums.begin(), nums.end() - 1);
vector<int> nums2(nums.begin() + 1, nums.end());
// 创建两个动态规划数组,用于存储偷到每家房屋时能够获得的最大金额
vector<int> dp1(nums1.size(), 0);
vector<int> dp2(nums1.size(), 0);
// 初始化第一家和第二家的情况
dp1[0] = nums1[0];
dp1[1] = max(nums1[0], nums1[1]);
dp2[0] = nums2[0];
dp2[1] = max(nums2[0], nums2[1]);
// 使用动态规划计算偷到每家房屋时能够获得的最大金额,不偷相邻的房屋
for(int i = 2; i < nums1.size(); i++) {
dp1[i] = max(dp1[i - 2] + nums1[i], dp1[i - 1]);
}
for(int i = 2; i < nums2.size(); i++) {
dp2[i] = max(dp2[i - 2] + nums2[i], dp2[i - 1]);
}
// 返回两种情况中能够获得的最大金额
return max(dp1[nums1.size() - 1], dp2[nums2.size() - 1]);
}
};
代码随想录里面的代码要简洁明了些,贴在下面。
class Solution {
public:
int rob(vector<int>& nums) {
if (nums.size() == 0) return 0;
if (nums.size() == 1) return nums[0];
int result1 = robRange(nums, 0, nums.size() - 2); // 情况二
int result2 = robRange(nums, 1, nums.size() - 1); // 情况三
return max(result1, result2);
}
// 198.打家劫舍的逻辑
int robRange(vector<int>& nums, int start, int end) {
if (end == start) return nums[start];
vector<int> dp(nums.size());
dp[start] = nums[start];
dp[start + 1] = max(nums[start], nums[start + 1]);
for (int i = start + 2; i <= end; i++) {
dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
}
return dp[end];
}
};
算法的时间复杂度和空间复杂度均为O(n)。
打家劫舍III
递归
由于是二叉树,考虑递归的思路,对于当前节点,有抢和不抢两种选择,如果当前节点抢了,那么当前节点的子节点就不能抢了(题目要求),则获得的金额为root.val+rob(root->left->left)+rob(root->left->right)+rob(root->right->left)+rob(root->right->right),若当前节点不抢,则能抢子节点rob(root->left)+rob(root->right)。则我们需要选择得到这两种的较大值。但是如果从头到尾递归的时间复杂度过大,leetcode会超时,使用记忆化递归,使用一个map将计算过的结果保存。
class Solution {
public:
unordered_map<TreeNode* , int> umap; // 记录计算过的结果
int rob(TreeNode* root) {
if (root == NULL) return 0;
if (root->left == NULL && root->right == NULL) return root->val;
if (umap[root]) return umap[root]; // 如果umap里已经有记录则直接返回
// 偷父节点
int val1 = root->val;
if (root->left) val1 += rob(root->left->left) + rob(root->left->right); // 跳过root->left
if (root->right) val1 += rob(root->right->left) + rob(root->right->right); // 跳过root->right
// 不偷父节点
int val2 = rob(root->left) + rob(root->right); // 考虑root的左右孩子
umap[root] = max(val1, val2); // umap记录一下结果
return max(val1, val2);
}
};
算法的时间复杂度为O(n),空间复杂度为O(logn)。
动态规划
看代码随想录,不太理解,周末再看看
树形动态规划的入门题。
每个节点仅有两个状态,偷或者不偷,以一个长度为2的一维dp数组即可表示,dp[0]表示不偷当前节点获得的最大金额,dp[1]表示偷当前节点所能获得的最大金额,当前层的dp数组表示了当前层偷或不偷的状态。
使用后续遍历,数值从底部向上传递。最后返回root的dp[0]和dp[1]的较大值。
偷当前节点的金额为val1 = cur->val + leftdp[0] + rightdp[0],dp[0]表示不偷
不偷当前节点的金额为 val2 = max(leftdp[0],leftdp[1])+max(rightdp[0],rightdp[1]),此处dp[0]和dp[1]是递归上来的子节点的金额值。
class Solution {
public:
int rob(TreeNode* root) {
vector<int> result = robTree(root);
return max(result[0], result[1]);
}
// 长度为2的数组,0:不偷,1:偷
vector<int> robTree(TreeNode* cur) {
if (cur == NULL) return vector<int>{0, 0};
vector<int> left = robTree(cur->left);
vector<int> right = robTree(cur->right);
// 偷cur,那么就不能偷左右节点。
int val1 = cur->val + left[0] + right[0];
// 不偷cur,那么可以偷也可以不偷左右节点,则取较大的情况
int val2 = max(left[0], left[1]) + max(right[0], right[1]);
return {val2, val1};
}
};
时间复杂度为O(n),空间复杂度为O(logn)。