leedcode 198.打家劫舍 动态规划

太不容易了，总算是学会了最基础的动态规划。

是看的b站上的视频

动态规划是什么不需要再缀述（每次决策依赖于当前状态，又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的，所以，这种多阶段最优化决策解决问题的过程就称为动态规划。），

动态规划的使用场景一般包括三个特征：

1. 最优子结构：如果问题的最优解所包含的子问题的解也是最优的，就称该问题具有最优子结构。
2. 无后效性：某一状态一旦确定，就不受这个状态的以后的决策影响。
3. 有重叠子问题：子问题之间不是相互独立的，一个子问题在下一阶段的决策中可能被多次使用到。

动态规划经典题型：

1. 最长递增子序列
2. 最长公共子序列
3. 最长公共子串
4. 最大子序列和

动态规划有一个经典的思想：选或不选
即：在比较在该时刻（情况）下，比较“选”或者“不选”所产生的结果，选其中更符合情况的。

---

下面以leedcode上的一道题目为例：

可以理解为：最大不连续子序列求解问题

应用到这道题目上：

状态转移方程：
OPT(i) = max(vi+OPT(i-2),OPT(i-1))
其中：

1. vi+OPT(i-2):表示选择当前i位置（房间）情况下可以盗窃到的金额
2. OPT(i-1)：表示不选当前i位置（房间）情况下可以盗窃到的金额
3. vi：当前i房间的金额

关键：OPT[i]表示从下标为0的房间开始盗窃到下标为i的房间时可以盗窃到的最大金额（求解范围是0-i）

注意点：

1. 如果i房间被盗，所以i-1号房间不能被盗，所以在前i个房间里面选择盗窃金额之和为vi+OPT(i-2)
2. 如果i房间没有被盗，所以i-1号房间可以被盗，因此在前i-1个房间里面选择盗窃金额之和为OPT(i-1)
3. 不向后考虑：即到第i号房间时，只考虑前面i-1房间能否被盗，而不考虑i+1房间能否被盗

代码：

/*
* 递归,非记忆化搜索
*/
// 到i房间，能够偷窃到的最高金额
var recOPT = function(arr,i){
    if(i == 0)
        return arr[i];
    else if(i == 1)
        return Math.max(arr[0],arr[1]);
    else{
        var a = recOPT(arr, i-2) + arr[i];//选当前i位置
        var b = recOPT(arr,i-1);//不选当前i位置
        return Math.max(a,b);
    }
}
var rob = function(nums) {
    var len = nums.length;
    if(nums.length == 0)
        return 0;
    else{
        return recOPT(nums,len-1);
    }
};

/*
*非递归方式，记忆化搜索
*/
var dpOPT = function(arr){
    var len = arr.length;
    var opt = new Array(len);
    opt[0] = arr[0];
    opt[1] = Math.max(arr[0],arr[1]);
    for(var i=2;i<len;i++){
        var a = opt[i-2]+arr[i];//选该位置
        var b = opt[i-1];//不选该位置
        opt[i] = Math.max(a,b);
    }
    return opt[arr.length-1];
}

var rob = function(nums) {
    var len = nums.length;
    if(nums.length == 0)
        return 0;
    else{
        return dpOPT(nums);
    }
};