动态规划：状态机模型

状态机

状态机可以把一系列有序事件中存在的状态描述清楚。例如在游戏过程中，玩家控制的角色有有站立、跑步、攻击3种状态，那么用一个状态机描述的话，如下图所示：

对于一般的DP问题来说，确定每个阶段的状态往往只有一个结果，例如背包问题：对于第$i$个物品只有选择和不选两种结果，求其中的最优解即可。但如果每个阶段的状态涉及到了一系列的决策过程，例如买卖股票，在某一阶段从买入到卖出中间需要做若干次交易，才算是一个完整的决策过程，此时用一个简单的状态不好表示。那么可以将这个决策过程分成买入和卖出两个部分，用一个状态机来表示，如下图所示：

这样的话，在某一阶段进行决策时，两个状态之间就可以进行转移，从而进行正确的决策。状态机描述的是一个决策过程，而不是一个决策结果，本质上是将一个点扩展成一个过程，和状态压缩一样，是一种另类的状态表示方式。

问题应用

阿福是一名经验丰富的大盗。趁着月黑风高，阿福打算今晚洗劫一条街上的店铺。这条街上一共有 N 家店铺，每家店中都有一些现金。阿福事先调查得知，只有当他同时洗劫了两家相邻的店铺时，街上的报警系统才会启动，然后警察就会蜂拥而至。

作为一向谨慎作案的大盗，阿福不愿意冒着被警察追捕的风险行窃。他想知道，在不惊动警察的情况下，他今晚最多可以得到多少现金？

输入格式

输入的第一行是一个整数 T，表示一共有 T 组数据。

接下来的每组数据，第一行是一个整数 N ，表示一共有 N 家店铺。

第二行是 N 个被空格分开的正整数，表示每一家店铺中的现金数量。

每家店铺中的现金数量均不超过1000。

输出格式

对于每组数据，输出一行。

该行包含一个整数，表示阿福在不惊动警察的情况下可以得到的现金数量。

数据范围

$1\le T\le 50$,

$1\le N\le 10^5$

输入样例

2
3
1 8 2
4
10 7 6 14

输出样例

8
24

样例解释

对于第一组样例，阿福选择第2家店铺行窃，获得的现金数量为8。

对于第二组样例，阿福选择第1和4家店铺行窃，获得的现金数量为10+14=24。

算法思想（DP状态机模型）

状态表示

对于每个阶段的状态分为两类：

1. f[i][0]表示在没有抢劫第i家店的情况下，抢劫前i家店的最大收益
2. f[i][1]表示抢劫了第i家店的情况下，抢劫前i家店的最大收益

状态计算

f[i][0] = max(f[i - 1][0], f[i - 1][1])
f[i][1] = f[i - 1][0] + w[i]

初始状态

f[1][0] = 0, f[1][1] = w[1];

时间复杂度

$O(n)$

代码实现

#include <iostream>
using namespace std;
const int N = 100010;
int f[N][2], w[N];
int main()
{
    int T;
    cin >> T;
    while(T --)
    {
        int n;
        cin >> n;
        for(int i = 1; i <= n; i ++) cin >> w[i];
        //初始状态
        f[1][0] = 0, f[1][1] = w[1];        
        for(int i = 2; i <= n; i ++) 
        {
            f[i][0] = max(f[i - 1][1], f[i - 1][0]);
            f[i][1] = f[i - 1][0] + w[i];
        }
        //输出结果
        cout << max(f[n][0], f[n][1]) << endl;
    }
}