二刷代码随想录——动态规划day47

---

前言

一个本硕双非的小菜鸡，备战24年秋招，计划二刷完卡子哥的刷题计划，加油！
二刷决定精刷了，于是参加了卡子哥的刷题班，训练营为期60天，我一定能坚持下去，迎来两个月后的脱变的，加油！
推荐一手卡子哥的刷题网站，感谢卡子哥。代码随想录

动态规知识点

终于来到了守关boss。。。

动态规划中每一个状态一定是由上一个状态推导出来的

动规是由前一个状态推导出来的，而贪心是局部直接选最优的。

动规五部曲

动态规划一般分为如下五步：

1. 确定dp数组（dp table）以及下标的含义
2. 确定递推公式
3. dp数组如何初始化
4. 确定遍历顺序
5. 举例推导dp数组

        //1. 确定dp数组（dp table）以及下标的含义
        
        //2. 确定递推公式

        //3. dp数组如何初始化

        //4. 确定遍历顺序

        //5. 举例推导dp数组

解题时候多把dp数组打印出来，看看究竟是不是按照自己思路推导的。

写代码之前一定要把状态转移在dp数组的上具体情况模拟一遍，心中有数，确定最后推出的是想要的结果。

然后再写代码，如果代码没通过就打印dp数组，看看是不是和自己预先推导的哪里不一样。

如果打印出来和自己预先模拟推导是一样的，那么就是自己的递归公式、初始化或者遍历顺序有问题了。

如果和自己预先模拟推导的不一样，那么就是代码实现细节有问题。

一、198. 打家劫舍

198. 打家劫舍
Note：经典题目打家劫舍

class Solution {
public:
    int rob(vector<int>& nums) {
        if (nums.size() == 0) return 0;
        if (nums.size() == 1) return nums[0];

        //1. 确定dp数组（dp table）以及下标的含义
        //dp[i]：i间房屋最多可以偷窃的金额为dp[i]。
        vector<int> dp(nums.size());

        //2. 确定递推公式
        //dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);

        //3. dp数组如何初始化
        dp[0] = nums[0];
        dp[1] = max(nums[0], nums[1]);

        //4. 确定遍历顺序
        for (int i = 2; i < nums.size(); i++) {
            dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
        }

        //5. 举例推导dp数组
        return dp[nums.size() - 1];
    }
};

二、213. 打家劫舍 II

213. 打家劫舍 II
Note：经典动规打家劫舍第二题

class Solution {
public:
    int rob(vector<int>& nums) {
        if (nums.size() == 0) return 0;
        if (nums.size() == 1) return nums[0];
        //分两种情况考虑
        int result1 = robRange(nums, 0, nums.size() - 2); //不考虑尾元素
        int result2 = robRange(nums, 1, nums.size() - 1); //不考虑头元素
        return max(result1, result2);
    }

    int robRange(vector<int>& nums, int start, int end) {
        if (start == end) return nums[start];        //1. 确定dp数组（dp table）以及下标的含义
        //dp[i]：i间房屋最多可以偷窃的金额为dp[i]。
        vector<int> dp(nums.size());

        //2. 确定递推公式
        //dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);

        //3. dp数组如何初始化
        dp[start] = nums[start];
        dp[start + 1] = max(nums[start], nums[start + 1]);

        //4. 确定遍历顺序
        for (int i = start + 2; i <= end; i++) {
            dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
        }

        //5. 举例推导dp数组
        return dp[end];
    }
};

三、337. 打家劫舍 III

337. 打家劫舍 III
Note：经典动规打家劫舍第三题

/**
 * Definition for a binary tree node.
 * struct TreeNode {
 *     int val;
 *     TreeNode *left;
 *     TreeNode *right;
 *     TreeNode() : val(0), left(nullptr), right(nullptr) {}
 *     TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
 *     TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
 * };
 */
class Solution {
public:
    int rob(TreeNode* root) {
        vector<int> result = robTree(root);
        return max(result[0], result[1]);
    }
    vector<int> robTree(TreeNode* cur) {
        if (cur == NULL) return vector<int>{0, 0};
        vector<int> left = robTree(cur->left);
        vector<int> right = robTree(cur->right);

        int val1 = cur->val + left[0] + right[0];
        int val2 = max(left[0], left[1]) + max(right[0], right[1]);

        return {val2, val1};
    }
};

总结

动态规划法，和分治法极其相似。区别就是，在求解子问题时，会保存该子问题的解，后面的子问题求解时，可以直接拿来计算。