目录
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。
题目标签:动态规划
用例描述
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 。
提示:
1 <= nums.length <= 100
0 <= nums[i] <= 400
解题思路
这是一道经典的 动态规划 题型,在判断出需要使用动态规划之后。
我们需要建立 dp表 并找出 状态转移方程。如何找出状态转移方程呢?
dp表可以记录在每个位置上的最大 盗窃金额。
假设我们 从左到右 开始盗窃,那么dp[0] 则等于 nums[0], 因为暂时偷的只有这一间。
那么 dp[1] 的值要根据什么得出呢?
如果偷了第一间,那么就无法偷第二间了。但是如果第二间的价格比第二间更高的话。
那么dp[1] 的值就应该是 nums[0] 与 nums[1] 中更大的那个。
那 dp[2] 的值应该怎么计算呢。dp[2] 和 再后面的 就需要 状态转移方程 来决定了。
假设nums[1]被投了,nums[2] 就不能偷,则dp[2] = dp[1] 。
假设nums[1]没被投,dp[2] 可以加上当前位置偷的金额。也就是 dp[2] = dp[0] + nums[2];
dp[2]具体是什么值则需要对比 dp[i-2] + nums[i] 与 dp[i-1] 的大小,取其更大的数。
所以本题状态转移方程为: dp[i] = max( dp[i-2] + nums[i], dp[i-1] )
能偷的最大金额也就是 dp表最后的数。(也是动态规划题型一般的结果)
直接上代码
class Solution {
public int rob(int[] nums) {
// 判断长度在3以内的情况,直接对比得出结果
if(nums.length == 1) return nums[0];
else if(nums.length == 2) return Math.max(nums[0], nums[1]);
// 建立dp表,存入该位置最大金额
int[] dp = new int[nums.length];
// 对初始态进行赋值
dp[0] = nums[0];
dp[1] = Math.max(nums[0], nums[1]);
// 使用状态转移填充 dp表
for(int i = 2;i<nums.length;i++){
dp[i] = Math.max(dp[i-1], dp[i-2] + nums[i]);
}
// 返回最终结果
return dp[nums.length-1];
}
}
运行效率
时间0 ms
击败
100%
内存38.7 MB
击败
77.21%