Leetcode刷题（24）动态规划专题（2）：打家劫舍（特殊限制的字符串和）

题目

198. 打家劫舍

难度：简单

题目分析：现在对于动态规划，我开始能依葫芦画瓢写出解答代码，不过这中间的正确性，对于我来说还是有点难度。
依据动态规划的解题步骤，我们首先定义 dp 数组的含义。
此处定义 dp[i]表示到达位置i， 小偷所能偷到的最大和
相应的递推公式：$$dp[i]=max(dp[i-1],dp[i-2]+nums[i]),$$
因为到达位置 i 时， 如果使用 nums[i], 则只能跟 dp[i-2]相加；如果不使用 nums[i], 那取值自然等于 dp[i-1]。
动态规划的神奇在于，定义好 dp 的含义，写出递推公式，翻译成代码，结果自然就出来了！ 虽然我还一知半解，但不影响答案的正确啊！

动态规划里面有一个术语叫最优子结构，指的是，当我们把问题规模变小后，问题的最优解，也会是子结构的最优解。有了这样的前提，我们才能自下而上，从子问题构建原问题的解！对于本道题，我们实现 dp[i]的和是最大时，则dp[i-2], dp[i-1]也应该是对应元素数量下和最大。

1. 解法一：动态规划，O(n)时间复杂度，O(n)空间复杂度

class Solution:
    def rob(self, nums: List[int]) -> int:
        # dp[i] 表示当前最大的和
        if nums == []:
            return 0
        
        if len(nums) == 1:
            return nums[0]
        
        dp = [0]*len(nums)
        
        dp[0] = nums[0]
        dp[1] = max(nums[0], nums[1])
        
        for i in range(2, len(nums)):
            dp[i] = max(dp[i-1], dp[i-2] + nums[i])
            
        return dp[len(nums)-1]

1.1 运行结果：

1.2 分析：

上述代码只是把分析过程翻译成代码，非常直观。

考虑到 dp[i] 只跟它前面两个数有关，因此，可以不使用dp数组，使用两个变量来辅助解答。

2. 解法二：动态规划，O(1)空间复杂度

2.1 运行结果：

2.2 分析：

奇怪，速度慢了很多……