题目: 在上次打劫完一条街道之后和一圈房屋后,小偷又发现了一个新的可行窃的地区。这个地区只有一个入口,我们称之为“根”。 除了“根”之外,每栋房子有且只有一个“父“房子与之相连。一番侦察之后,聪明的小偷意识到“这个地方的所有房屋的排列类似于一棵二叉树”。 如果两个直接相连的房子在同一天晚上被打劫,房屋将自动报警。
计算在不触动警报的情况下,小偷一晚能够盗取的最高金额。
输入: [3,2,3,null,3,null,1]
3
/ \
2 3
\ \
3 1
输出: 7 解释: 小偷一晚能够盗取的最高金额 = 3 + 3 + 1 = 7
方法1-暴力递归-最优子结构
我们使用爷爷-两个孩子-4个孙子来说明问题
首先来定义这个问题的状态:爷爷节点获取到最大的偷取的钱数?
- 首先要明确相邻的节点不能偷,也就是爷爷选择偷,儿子就不能偷了,但是孙子可以偷
- 二叉树只有左右两个孩子,一个爷爷最多2个儿子,4个孙子
根据以上条件,我们可以得出单个节点的钱该怎么算:
4个孙子偷的钱 + 爷爷的钱 VS 两个儿子偷的钱
哪个组合钱多,就当做当前节点能偷的最大钱数。这就是动态规划里面的最优子结构
4个孙子偷的钱加上爷爷的钱如下:
int rootMoney = root.val +
rob(root.left.left) +
rob(root.left.right) +
rob(root.right.left) +
rob(root.right.right)
两个儿子偷的钱如下:
int childMoney = rob(root.left) + rob(root.right);
挑选一个钱数多的方案则:int result = Math.max(rootMoney, childMoney);
int rob(TreeNode* root) {
if (root == NULL) return 0;
int rootMoney = root->val; // 爷爷+4个孙子的和
if (root->left != NULL)
rootMoney += rob(root->left->left) +
rob(root->left->right);
if (root->right != NULL)
rootMoney += rob(root->right->left) +
rob(root->right->right);
int childMoney = rob(root->left) +
rob(root->right); // 两个儿子的和
return max(rootMoney, childMoney);
}
方法2-记忆化-解决重复子问题
针对方法1速度太慢的问题,经过分析其实现,我们发现爷爷在计算自己能偷多少钱的时候,同时计算了4个孙子能偷多少钱,也计算了2个儿子能偷多少钱,这样没错,但是在儿子当爷爷时,它的儿子是上一轮的孙子,已经计算过了,所以就会产生重复计算一遍。
于是乎我们发现了一个动态规划的关键优化点:重复子问题
我们这一步针对重复子问题进行优化,优化方案可以是记忆化,但是之前的问题都是使用数组解决的,把每次计算的结果都存起来,下次如果再来计算,就从缓存中取,不再计算了,这样就保证每个数字只计算一次。
由于二叉树不适合拿数组当缓存,我们这次使用哈希表来存储结果
TreeNode当做key,能偷的钱当做value
方法1加上记忆化优化后代码如下
int rob(TreeNode* root) {
if (root == NULL) return 0;
unordered_map<TreeNode*, int> hashMap;
return robCore(root, hashMap);
}
int robCore(TreeNode* root, unordered_map<TreeNode*, int> &hashMap) {
if (root == NULL) return 0;
if (hashMap.count(root) != 0) return hashMap[root];
int rootMoney = root->val;
if (root->left != NULL)
rootMoney += robCore(root->left->left, hashMap) +
robCore(root->left->right, hashMap);
if (root->right != NULL)
rootMoney += robCore(root->right->left, hashMap) +
robCore(root->right->right, hashMap);
int childMoney = robCore(root->left, hashMap) +
robCore(root->right, hashMap);
hashMap[root] = max(rootMoney, childMoney);
return hashMap[root];
}
方法3. 树形动态规划
上面两种解法用到了孙子节点,计算爷爷节点能偷的钱还要同时去计算孙子节点投的钱,虽然有了记忆化,但是还是有性能损耗。
我们换一种办法来定义此问题
每个节点可选择偷或者不偷两种状态,根据题目意思,相连节点不能一起偷
- 当前节点选择偷时,那么两个孩子节点就不能选择偷了
- 当前节点选择不偷时,两个孩子节点只需要拿最多的钱出来就行(两个孩子偷不偷没关系)
我们使用一个大小为2的数组来表示 int[] dp = new int[2]
; 0代表不偷,1代表偷
任何一个节点能偷到的最大钱的状态可以定义为:
-
当前节点选择不偷:
当前节点能偷到的最大钱数 = 左孩子能偷到的钱 + 右孩子能偷到的钱 -
当前节点选择偷: 当前节点能偷到的最大钱数 =
左孩子选择自己不偷时能得到的钱 + 右孩子选择不偷时能得到的钱 + 当前节点的钱数
public int rob(TreeNode root) {
int[] dp = robCore(root);
return Math.max(dp[0], dp[1]);
}
//每个节点只当作一次根节点 就不会重复递归多次计算了
int[] robCore(TreeNode root) {
if (root == null) return new int[]{0, 0};
int[] dpLeft = robCore(root.left);
int[] dpRight = robCore(root.right);
int[] dpRoot = new int[2];
// 当前节点不偷 =
// 左/右孩子能偷到的最大钱(左/右孩子偷和不偷 取max) 的和
dpRoot[0] = Math.max(dpLeft[0], dpLeft[1]) +
Math.max(dpRight[0], dpRight[1]);
// 当前节点 偷
dpRoot[1] = root.val + dpLeft[0] + dpRight[0];
return dpRoot;
}