定个小目标之刷LeetCode热题（17）

这是道经典的动态规划问题，然而我还是无从下手，当看了题解之后才发现自己好像又懂了，哈哈，这应该就是菜鸟心理吧，递推关系式的推导过程可以去LeetCode看一下，这里我就不描述了

递推关系式如下：

f(k) = max(f(k - 1), nums[k - 1] + f(k -2))

其中nums[k - 1]是输入的数组，f(k)表示偷前k - 1个房屋能偷得的最大金额，那么用代码描述一下

class Solution {
    public int rob(int[] nums) {
        int len = nums.length;
        if (len == 0)
            return 0;
        // 初始化长度为 len + 1的数组，dp[len]表示f(k)
        int[] dp = new int[len + 1];
        // 为避免数组越界，初始化dp[0]和dp[1]
        dp[0] = 0;
        dp[1] = nums[0];
        // 遍历数组，由递推关系式一步步推出dp[len]的值
        for (int i = 2; i < len + 1; i++) {
            dp[i] = Math.max(dp[i - 1], nums[i - 1] + dp[i - 2]);
        }
        return dp[len];
    }
}

我们都知道大部分动态规划在空间上都是可以优化的，比如本题，我们只想得到dp[len]的值，在递推结束后dp数组前段部分空间都是没用的，这部分空间可以进行优化，直接看代码，注释有写优化过程

class Solution {
    public int rob(int[] nums) {
        int len = nums.length;
        if (len == 0)
            return 0;
        //prev表示dp[i - 2], curr表示dp[i - 1]
        int prev = 0, curr = nums[0];
        for (int i = 2; i < len + 1; i++) {
            // dp[i] = Math.max(dp[i - 1], nums[i - 1] + dp[i - 2]);

            // i = 0 dp[0] = max(dp[-1], nums[-1] + dp[-2])
            // i = 1 dp[1] = max(dp[0], nums[0] + dp[-1])
            // i = 2 dp[2] = max(dp[1], nums[1] + dp[0])
            // i = 3 dp[3] = max(dp[2], nums[2] + dp[1])
            // i = 4 dp[4] = max(dp[3], nums[3] + dp[2])
            // 从上述列举的几项数据我们会发现存在这么一个关系，如下
            int temp = Math.max(curr, nums[i - 1] + prev);
            prev = curr;
            curr = temp;
        }
        return curr;
    }
}

题目链接：题单 - 力扣（LeetCode）全球极客挚爱的技术成长平台