题目:
你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你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,计算你在不触动警报装置的情况下,能够偷窃到的最高金额。
示例 1:
输入: [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: [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 。
解析:
看上面的示例很容易想到直接将奇偶位未开,然后分别计算,最终得到的两个值一比较,最大的值就是最佳的偷盗方案,实际上不是这样的,这是一个动态规划的问题。
动态规划(Dynamic Programming,简称DP),顾名思义最重要的就是动态两个字,适合用来解决最优解问题,降低问题的复杂度。过程是在给定的区间进行动态规划,将一个规模较大的问题分解成两个规模较小的问题,从而由简单到复杂,由特殊到一般。最终解决问题。
本题中:
- 假设有3个房间,财富值分别为[ 1,6,2 ],那么在不触动报警的情况下能偷盗的财富最大值为6,假设有两个房间,财富值分别为[ 1 ,6 ],那么在不触动报警的情况下能偷盗的财富最大值也为6。即:
a. 有2个房间,被偷盗财富达到最大时偷盗的房间数为1;
b. 有3个房间,被偷盗财富达到最大时偷盗的房间数为1或者2;
c. 有4个房间,被偷盗财富达到最大时偷盗的房间数为2;
d. 有5个房间,被偷盗财富达到最大时偷盗的房间数为2或者3;
e. 有6个房间,被偷盗财富达到最大时偷盗的房间数为2或者3;
f. 有7个房间,被偷盗财富达到最大时偷盗的房间数为3或者4;
g. 有8个房间,被偷盗财富达到最大时偷盗的房间数为3或者4;
h. 有9个房间,被偷盗财富达到最大时偷盗的房间数为3或者4或者5;
i. 有10个房间,被偷盗财富达到最大时偷盗的房间数为4或者5;
j. 有11个房间,被偷盗财富达到最大时偷盗的房间数为4或者5或者6;
k. 有12个房间,被偷盗财富达到最大时偷盗的房间数为4或者5或者6;
l. 有13个房间,被偷盗财富达到最大时偷盗的房间数为5或者6或者7;
******
******
******
有n个房间的,被盗的财富值达到最大时候偷盗的额房间数为(n/2)或者(n/2)-1或者(n/2)-2
- n 房屋可盗窃的最大财富值,要么就是 n-1 个房屋可盗窃的财富最大值,要么就是 n-2 房屋可盗窃的最大财富值加上当前房屋(下标为n-1)的财富值,二者之间取最大值
- 类比1得到动态方程为:dp[n] = max( dp[n-1], dp[n-2] + nums[nums.length-1] )
- 对于第一1条,只有一个房间时dp[1]=1,两房间时取最大值,dp[2]=6,三个房间时,dp[3] = max( dp[2], dp[1] + nums[3-1] ) = max(6, 1+2) = 6,取值为6
代码:
public static void main(String[] args) {
int[] nums = new int[] {3, 1, 2, 4};
System.out.println(rob(nums));
}
public static int rob(int[] nums) {
// 房子的个数
int len = nums.length;
if (len == 0) {
return 0;
}
if (len == 1) {
return nums[0];
}
// 转化为动态规划问题,数组初始化为0,动态方程为: dp[n] = max( dp[n-1], dp[n-2] + nums[n-1] )
int[] dp = new int[len + 1];
dp[1] = nums[0];
for (int i = 1; i < len; i++) {
dp[i + 1] = Math.max(dp[i], dp[i - 1] + nums[i]);
}
return dp[len];
}