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;
}
}