1、动态规划
我们用数组dp记录当以第i位的房子为末尾时,能够获得的最大金额。很显然,dp[0] = nums[0],dp[1] = max(nums[0], nums[1])。当我们每读入一位新的数字时,dp的更新只有两种情况:1、dp[i - 1]获得的金额更多,不需要第i间房子;2、dp[i - 2] + nums[i]获得的金额更多,我们需要跳过第i-1间房子。因此我们可以得到状态转化方程为:dp[i] = max(dp[i - 2] + nums[i], dp[i - 1])。
class Solution {
public:
int rob(vector<int> &nums) {
vector<int> dp(nums.size(), 0);
if (nums.size() == 1) return nums[0];
dp[0] = nums[0];
dp[1] = max(nums[0], nums[1]);
for (int i = 2; i < nums.size(); ++i) {
dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
}
return dp[nums.size() - 1];
}
};
2、动态规划优化
由于我们在状态转化时只是用到前两个状态,所以我们可以使用两个int变量代替数组。
class Solution {
public:
int rob(vector<int> &nums) {
if (nums.size() == 1) return nums[0];
int max2 = nums[0];
int max1 = max(nums[0], nums[1]);
for (int i = 2; i < nums.size(); ++i) {
int temp_max = max(max2 + nums[i], max1);
max2 = max1;
max1 = temp_max;
}
return max1;
}
};