1、动态规划法
在选择最大金额的时候,我们可能会出现两种情况:1、我们选择节点时包含当前节点,所以当前节点的两个子节点都不能选择,我们需要选择不包含当前节点子节点的最大金额加上当前节点的金额;2、我们在选择节点时不包含当前节点,此时我们需要考虑包含或不包含当前节点子节点的最大值,我们在考虑这种情况时,为了让金额最大化,我们需要同时考虑当前节点的左右子树。
为了实现上述问题,我们可以使用两个哈希表来记录每个节点对应的包含或不包含当前节点的最大金额。我们首先深度遍历整棵树,而后对哈希表的值进行更新,最终返回两种情况中金额最大的值。
class Solution {
public:
unordered_map<TreeNode *, int> dp1, dp2;//dp1考虑包含root节点的最大金额,dp2考虑不包含root节点的最大金额
int rob(TreeNode *root) {
if (!root) return 0;
if (root->left) rob(root->left);
if (root->right) rob(root->right);
dp1[root] = root->val + dp2[root->left] + dp2[root->right];
dp2[root] = max(dp1[root->left], dp2[root->left]) + max(dp1[root->right], dp2[root->right]);
return max(dp1[root], dp2[root]);
}
};
2、动态规划法优化
考虑到哈希表的使用会占用过多的空间与时间,我们可以自己设计一个结构体同时返回两个值进行优化。我们设计结构体SubtreeStatus 同时返回当前节点包含和不包含的最大金额,这样能够大大节省时间与空间占用。
struct SubtreeStatus {
int selected;
int notSelected;
};
class Solution {
public:
SubtreeStatus dfs(TreeNode* node) {
if (!node) {
return {0, 0};
}
auto l = dfs(node->left);
auto r = dfs(node->right);
int selected = node->val + l.notSelected + r.notSelected;
int notSelected = max(l.selected, l.notSelected) + max(r.selected, r.notSelected);
return {selected, notSelected};
}
int rob(TreeNode* root) {
auto rootStatus = dfs(root);
return max(rootStatus.selected, rootStatus.notSelected);
}
};