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:
d
p
[
i
]
=
m
a
x
(
d
p
[
i
−
1
]
,
d
p
[
i
−
2
]
+
n
u
m
s
[
i
]
)
,
dp[i] = max(dp[i-1], dp[i-2] + nums[i]),
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……