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:
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 。
思路:
第 1 步:定义状态 根据题目要求,设表示前
i
间房屋能偷窃到的最高总金额。第 2 步:考虑状态转移方程
每间房间只和相邻的房间状态相关,可考虑两种情况:
(1)该房间不偷窃:那么前一个相邻房间不偷窃,或偷窃,取那间的金额即可,即:
dp[i] = dp[i - 1] ;
(2)该房间偷窃:只需要从前一间房屋偷窃的金额,加上这间的金额,dp[i] = dp[i - 2] + nums[i] 。
综合考虑,可得到状态转移方程: dp[i] = max(dp[i - 1], dp[i - 2] + nums[i])
第 3 步:考虑初始化
dp[0] = 0 ,表示第一间没偷;
dp[1] = nums[0] ,表示第一间偷了;
第 4 步:考虑输出 这种定义之下,题目要求的结果就是
dp[n]
的值第 5 步:考虑状态压缩。
因为我们每次只需要
dp[i-1],dp[i-2]
,所以我们只要记录这两个数,那么可以进行「状态压缩」,将空间复杂度降低
代码实现:
public int rob(int[] nums) {
int n = nums.length;
if (n == 0) {
return 0;
}
int[] dp = new int[n+1];
dp[0] = 0;
dp[1] = nums[0];
for(int i=2;i<=n;i++){
dp[i] = Math.max(dp[i-1],dp[i-2] + nums[i-1]);
}
return dp[n];
}
复杂度分析
-
时间复杂度:O(n)。其中 n为房子的数量。
-
空间复杂度:O(n)。
优化实现:
public int rob(int[] nums) {
int dp0 = 0,dp = 0;
for(int i=0;i<nums.length;i++){
int dp1 = Math.max(dp,dp0+nums[i]);
dp0 = dp;
dp = dp1;
}
return dp;
}
复杂度分析
-
时间复杂度:O(n)。其中 n为房子的数量。
-
空间复杂度:O(1)。