【Hot 100】198. 打家劫舍

海码007

于 2025-05-12 07:00:00 发布

阅读量1.2k

点赞数 34

分类专栏：算法文章标签：算法数据结构 Hot100 动态规划

本文链接：https://blog.csdn.net/hhw_hhw/article/details/147869850

版权

算法专栏收录该内容

57 篇文章

订阅专栏

引言

今天做题跳跃一点，开始动态规划专题。

打家劫舍

🎈 题目链接：
🎈 做题状态：

我的解题

这道题是一个典型的dp问题。也就是说后面的状态可以由前面的状态递归而来。首先回顾一下题目的要求，求解小偷沿屋偷窃完之后最大能盗取的金额。

动态规划的几个关键步骤如下：

定义dp数组，本题的dp[i]表示偷取 0 到 i-1 家房屋后最大能偷取的金额值。dp[0] 表示不偷取， dp[1]表示的是偷取 nums[0] 家金额的最大金额。所以dp的大小是 nums.size() + 1.
状态转移方程，也就是状态推导公式。 dp[i] 表示偷取到 nums[i-1]家时的最大盗取金额，那么这个有两种情况，一种是偷取 nums[i-1] 家的钱，一种就是不偷取 nums[i-1] 家的钱。然后我们需要取这两种状态的最大值，也就是 dp[i + 1] = max(dp[i], dp[i-1] + nums[i]); dp[i+1] 如果不偷取 nums[i] 那么就是 dp[i] ，如果偷取的话，就需要取 dp[i-1] + nums[i] 这个值。
初始化dp数组，肯定要出事两个dp，也就是dp[0] 和 dp[1] 这两个
遍历顺序，本题只需要顺序遍历即可。

class Solution {
public:
    int rob(vector<int>& nums) {
        vector<int> dp(nums.size() + 1);
        dp[0] = 0;
        dp[1] = nums[0];

        for (int i = 1; i < nums.size(); ++i)
        {
            dp[i + 1] = max(dp[i], dp[i-1] + nums[i]);
        }

        return dp[nums.size()];
    }
};

代码优化

主要是优化了代码空间，因为当前状态主要由前两个状态决定，所以只需要两个变量来记录前两个状态即可。

class Solution {
public:
    int rob(vector<int>& nums) {
        int prev = 0, curr = 0;
        for (int num : nums) {
            int temp = max(curr, prev + num);
            prev = curr;
            curr = temp;
        }
        return curr;
    }
};

解法思路：

使用动态规划，通过两个变量 prev 和 curr 分别记录前前一个和当前的最大金额。每次遍历到一个新房屋时，计算偷或不偷该房屋的较大值，并更新这两个变量。这样既保证了时间复杂度为 O(n)，空间复杂度为 O(1)。

步骤解析：

初始化： prev 和 curr 初始均为 0，表示没有房屋时的最大金额。
遍历每个房屋：
- 计算当前房屋偷与不偷的最大值：temp = max(curr, prev + num)。
- 更新 prev 为之前的 curr，curr 为新的最大值。
返回结果： 遍历结束后，curr 即为最终的最大金额。