目录
打家劫舍是DP解决的经典题目,今天就是打家劫舍的一天,这个系列不算难,大家可以一口气拿下。
198.打家劫舍
首先,dp[i]表示考虑下标i(包括i)以内的房屋,最多可以偷窃的金额。如果偷了当前房间,那么当前的金额就是偷前i-2个房间得到的最大金额+本房间金额,如果没偷,那么当前金额就是偷前i-1个房间得到的最大金额,那么递推公式就很明确了,dp[i] = max(dp[i - 2] + nums[i], dp[i - 1])。因为递推公式涉及到前两个dp数组值,所以0、1下标处必须提前初始化好,设置dp[0]为nums[0](只有一个房间可以偷,那没顾虑直接偷)、dp[1]为nums[0]和nums[1]中较大者(只有两个房间可以偷,那只能偷最大金额的那个)。
int rob(vector<int>& nums) {
if (nums.size() == 0) return 0;
if (nums.size() == 1) return nums[0];
vector<int> dp(nums.size());
dp[0] = nums[0];
dp[1] = max(nums[0], nums[1]);
for (int i = 2; i < nums.size(); i++) {
dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
}
return dp[nums.size() - 1];
}
213.打家劫舍II
这道题加上了一个房间成环的设定,那就没办法直接让某个房间作为开始的房间然后沿路偷下去,但是可以将起始点单独拎出来考虑,也就是划分成都偷房间0和不偷房间0两种情况来考虑,这样拿走了0,就让剩下的没法成环,这样就可以用第一道题的思路来解决。如果偷房间0,那就偷的范围就变成了下标0到n-2,不偷房间0,范围就变成下标1到n-1,找出这两种情况的最大值。
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];
}
337.打家劫舍III
记忆化递归——
直接递归是超时的,所以用map来记录一下当前节点的最大值,来防止对已经找到最大值的节点重复找最大值,但实际上还是有局限,基本上想要得到最大值就得要临时计算很多值。
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);
}
};
动态规划——
这道题的动规方法是超难想到的,使用vector<int>数组作为返回值来实时记录偷与不偷这个节点得到的最大值,这样就方便多了。注意不偷当前节点的话,也不一定要偷子节点的值,还是要取左右子节点偷与不偷的最大值的加和。
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};
}
};
这道题是树形DP的入门题目,通过这道题目大家应该也了解了,所谓树形DP就是在树上进行递归公式的推导。
所以树形DP也没有那么神秘!
只不过平时我们习惯了在一维数组或者二维数组上推导公式,一下子换成了树,就需要对树的遍历方式足够了解!
大家还记不记得我在讲解贪心专题的时候,讲到这道题目:贪心算法:我要监控二叉树! (opens new window),这也是贪心算法在树上的应用。那我也可以把这个算法起一个名字,叫做树形贪心。