今天给大家讲讲动态规划的经典题:打家劫舍,希望能对你有帮助!
Problem: 198. 打家劫舍
题目
你是一个专业的小偷,计划偷窃沿街的房屋。每间房内都藏有一定的现金,影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警。
给定一个代表每个房屋存放金额的非负整数数组,计算你 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。
示例 1:
输入:[1,2,3,1]
输出:4
解释:偷窃 1 号房屋 (金额 = 1) ,然后偷窃 3 号房屋 (金额 = 3)。
偷窃到的最高金额 = 1 + 3 = 4 。
示例 2:
输入:[2,7,9,3,1]
输出:12
解释:偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9),接着偷窃 5 号房屋 (金额 = 1)。
偷窃到的最高金额 = 2 + 9 + 1 = 12 。
思路
这是动态规划中的典型的“选与不选”的问题
我们先讨论一般的情况,对于小偷而言,在偷取的过程中,每面临一个房子,小偷都有选和不选两种选择。对于小偷而言,此时的最优解是从两种情况中选一种,
- 情况1:偷这家房子,不偷前一家,此时的利润为偷了这家的利润+上上家以及其之前的最大利润和(上一家不能偷)
- 情况2:不偷这家房子,要保留前路过前一家房子的状态,此时的利润是偷了上一家及其之前的最大利润和(为了利润最大化,上一家必须偷)
由这样的情况我们定义利润状态为:dp,dp[i]即为偷盗第i家的最大利润
我们可以得出以下公式:
d p [ i ] = m a x ( d p [ i − 1 ] , d p [ i − 2 ] + n u m s [ i ) dp[i] = max(dp[i-1],dp[i-2]+nums[i) dp[i]=max(dp[i−1],dp[i−2]+nums[i)
我们接着思考递推边界,当只有一个房子的时候,我们偷比不偷的利润大;当我们有两个房子的话,我们偷钱多的那个房子。然后就可以进入我们的一般公式了。
复杂度
时间复杂度:
遍历一遍 O ( n ) O(n) O(n)
空间复杂度:
存储了n个状态 O ( n ) O(n) O(n)
Code
class Solution:
def rob(self, nums: List[int]) -> int:
n = len(nums)
if n==1: return nums[0]
dp = [0] * n
dp[0] = nums[0]
dp[1] = max(nums[0],nums[1])
for i in range(2,n):
dp[i] = max(dp[i-1],dp[i-2] + nums[i])
return dp[n-1]