- 打家劫舍
原始题目链接:https://leetcode-cn.com/problems/house-robber/
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 。
解题思路:
求这类问题的最值,可以想到使用动态规划的方法,动态规划三步走。第一定义状态,第二找状态转移方程,第三初始化边界值。定义dp[i]表示前i个房间能偷到的最大金额,找状态转移方程,题目要求不能是相邻的,那看dp[i]是如何由子问题计算来的,dp[i]的最后一个房间,例如房间编号从第0个开始,最后一个房间的编号是i-1,那最后一个房间可以有两种计算法,要么偷,要么不偷。如果不偷最后一个房间,那么dp[i]的计算方法可以由dp[i - 1]而来(不用管dp[i - 1]怎么计算来的,具体可以再由子问题计算),如果偷最后一个房间,那么由于题目要求不能相邻,所以k - 2这个房间不能偷,那么到k - 3的房间的偷的金额就是dp[k - 2],所以再加上最后一个房间的金额为总共的金额,最后两种头发求最大值,则为dp[i - 1]的最后的要计算的最大金额。最后可以优化空间复杂度,根据题目要返回的结果,可以使用两个变量来存储中间的计算过程,不用申请dp数组。
代码实现:
class Solution:
def rob(self, nums: List[int]) -> int:
N = len(nums)
# 定义dp[i]表示偷前i个房间所获得的最高金额
dp = [0] * (N + 1)
# 初始化边界值
dp[0] = 0
dp[1] = nums[0]
for i in range(2, N + 1):
# 子问题递推公式,题目要求不能偷相邻的房间
# 所以要么最后一个房间不偷,这样转换为前k-1个房间能偷的最大值的子问题
# 要么偷最后一个房间,但其左侧相邻的房间不能偷,则变成前k-2个房间的子问题再加上最后一个房间的金额
dp[i] = max(dp[i - 1], dp[i - 2] + nums[i - 1])
return dp[-1]
优化空间复杂度:
class Solution:
def rob(self, nums: List[int]) -> int:
# pre相当于dp[i - 2],cur相当于dp[i - 1]
pre, cur = 0, 0
# 直接遍历数组nums
for i in nums:
# 等价:prev, curr = curr, max(curr, prev + i)
temp = max(cur, pre + i)
pre = cur
cur = temp
return cur
参考文献:
https://leetcode-cn.com/problems/house-robber/solution/dong-tai-gui-hua-jie-ti-si-bu-zou-xiang-jie-cjavap/