Leetcode198-------动态规划

解题思路：

典型的动态规划，以下按照标准流程解题。

一.状态定义：

设动态规划列表 dp ，dp[i] 代表前 i 个房子在满足条件下的能偷窃到的最高金额。

二.转移方程：

设： 有 n 个房子，前 n间能偷窃到的最高金额是 dp[n] ，前 n-1 间能偷窃到的最高金额是 dp[n-1]，此时向这些房子后加一间房，此房间价值为 num ；加一间房间后： 由于不能抢相邻的房子，意味着抢第 n+1间就不能抢第 n间；那么前 n+1间房能偷取到的最高金额 dp[n+1]一定是以下两种情况的 较大值 ：

1.不抢第 n+1 个房间，因此等于前 n 个房子的最高金额，即 dp[n+1] = dp[n];
2.抢第 n+1 个房间，此时不能抢第 n个房间；因此等于前 n-1个房子的最高金额加上当前房间价值，即 dp[n+1] = dp[n-1] + num；
细心的我们发现： 难道在前 n 间的最高金额 dp[n] 情况下，第 n间一定被偷了吗？假设没有被偷，那 n+1 间的最大值应该也可能是 dp[n+1]=dp[n]+num 吧？其实这种假设的情况可以被省略，这是因为：

假设第 n 间没有被偷，那么此时 dp[n] = dp[n-1] ，此时 dp[n+1] = dp[n] + num = dp[n-1] + num ，即两种情况可以 合并为一种情况 考虑；
假设第 nn 间被偷，那么此时 dp[n+1] = dp[n] + num 不可取 ，因为偷了第 n间就不能偷第 n+1 间。
最终的转移方程： dp[n+1] = max(dp[n],dp[n-1]+num)

初始状态：

前 0间房子的最大偷窃价值为 0 ，即 dp[0] = 0
返回值：

返回 dp 列表最后一个元素值，即所有房间的最大偷窃价值。

简化空间复杂度：

我们发现 dp[n] 只与 dp[n-1] 和 dp[n-2] 有关系，因此我们可以设两个变量 cur和 pre 交替记录，将空间复杂度降到 O(1) 。

复杂度分析：
时间复杂度 O(N) ： 遍历 nums 需要线性时间；
空间复杂度 O(1) ： cur和 pre 使用常数大小的额外空间。
代码如下：

class Solution {
    public int rob(int[] nums) {
        int pre = 0, cur = 0, tmp;
        for(int num : nums) {
            tmp = cur;
            cur = Math.max(pre + num, cur);
            pre = tmp;
        }
        return cur;
    }
}