代码随想录算法训练营第四十一天|198.打家劫舍，213.打家劫舍II，337.打家劫舍III-CSDN博客

本文链接：https://blog.csdn.net/weixin_47748259/article/details/136426613

系列文章目录

文章目录

系列文章目录
198.打家劫舍
213.打家劫舍II
337.打家劫舍III

198.打家劫舍

题目链接： 198.打家劫舍
题目内容： 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。
视频讲解： 动态规划，偷不偷这个房间呢？| LeetCode：198.打家劫舍

动态规划问题的五步曲：

确定dp数组（dp table）以及下标的含义：考虑下标i（包括i）以内的房屋，最多可以偷窃的金额为dp[i]
确定递推公式：dp[i] = max(dp[i - 2] + nums[i], dp[i - 1])
dp数组如何初始化：dp[0] 一定是 nums[0]，dp[1]就是nums[0]和nums[1]的最大值即：dp[1] = max(nums[0], nums[1])
确定遍历顺序：从前到后遍历
举例推导dp数组

class Solution:
    def rob(self, nums: List[int]) -> int:
        if len(nums) == 0:
            return 0
        if len(nums) == 1:
            return nums[0]

        dp=[0]*len(nums)
        dp[0]=nums[0]
        dp[1]=max(nums[0],nums[1])
        for i in range(2,len(nums)):
            dp[i]=max(dp[i-1],dp[i-2]+nums[i])
        return dp[-1]

213.打家劫舍II

题目链接： 213.打家劫舍II
题目内容： 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。这个地方所有的房屋都围成一圈，这意味着第一个房屋和最后一个房屋是紧挨着的。同时，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，计算你在不触动警报装置的情况下，今晚能够偷窃到的最高金额。
视频讲解： 动态规划，房间连成环了那还偷不偷呢？| LeetCode：213.打家劫舍II

与打家劫舍1的区别：打家劫舍II中的房屋连成环了，第一个房屋和最后一个房屋是紧挨着的。
对于一个数组，成环的话主要有如下三种情况：

情况一：考虑不包含首尾元素
情况二：考虑包含首元素，不包含尾元素
情况三：考虑包含尾元素，不包含首元素

而情况二和情况三都包含了情况一了，所以只考虑情况二和情况三就可以了。

动态规划问题的五步曲：

确定dp数组（dp table）以及下标的含义：爬到有i个台阶的楼顶，有dp[i]种方法
确定递推公式：dp[i] += dp[i - j]
dp数组如何初始化：dp[0] = 1，下标非0的dp[j]初始化为0
确定遍历顺序：这是背包里求排列问题，即：1、2 步和 2、1 步都是上三个台阶，但是这两种方法不一样！所以需将target放在外循环，将nums放在内循环。每一步可以走多次，这是完全背包，内循环需要从前向后遍历。
举例推导dp数组

class Solution:
    def rob(self, nums: List[int]) -> int:
        if len(nums)==0:
            return 0
        if len(nums)==1:
            return nums[0]
        
        #情况二
        result1=self.robRange(nums,0,len(nums)-2)
        #情况三
        result2=self.robRange(nums,1,len(nums)-1)
        return max(result1,result2)
    
    def robRange(self,nums,start,end):
        if end==start:
            return nums[start]
        #初始化
        prev_max=nums[start] 
        curr_max=max(nums[start],nums[start+1])
        for i in range(start+2,end+1):
            temp=curr_max
            curr_max=max(prev_max+nums[i],curr_max)
            prev_max=temp
        return curr_max

337.打家劫舍III

题目链接： 337.打家劫舍III
题目内容： 小偷又发现了一个新的可行窃的地区。这个地区只有一个入口，我们称之为 root 。除了 root 之外，每栋房子有且只有一个“父“房子与之相连。一番侦察之后，聪明的小偷意识到“这个地方的所有房屋的排列类似于一棵二叉树”。如果两个直接相连的房子在同一天晚上被打劫，房屋将自动报警。给定二叉树的 root 。返回在不触动警报的情况下，小偷能够盗取的最高金额。
视频讲解： 动态规划，房间连成树了，偷不偷呢？| LeetCode：337.打家劫舍3

动态规划其实就是使用状态转移容器来记录状态的变化，这里可以使用一个长度为2的数组，记录当前节点偷与不偷所得到的的最大金钱。

递归三部曲：

确定递归函数的参数和返回值：要求一个节点偷与不偷的两个状态所得到的金钱，那么参数为当前节点，返回值就是一个长度为2的数组。这里的返回数组就是dp数组。

dp数组（dp table）以及下标的含义：下标为0记录不偷该节点所得到的的最大金钱，下标为1记录偷该节点所得到的的最大金钱。所以本题dp数组就是一个长度为2的数组！（在递归的过程中，系统栈会保存每一层递归的参数）

确定终止条件：在遍历的过程中，如果遇到空节点的话，很明显，无论偷还是不偷都是0，所以就返回[0,0]（这也相当于dp数组的初始化）
确定遍历顺序：后序遍历。因为要通过递归函数的返回值来做下一步计算。
通过递归左节点，得到左节点偷与不偷的金钱。
通过递归右节点，得到右节点偷与不偷的金钱。
确定单层递归的逻辑：
- 如果是偷当前节点，那么左右孩子就不能偷，val1 = cur->val + left[0] + right[0]
- 如果不偷当前节点，那么左右孩子就可以偷，至于到底偷不偷一定是选一个最大的，所以：val2 = max(left[0], left[1]) + max(right[0], right[1])
- 最后当前节点的状态就是{val2, val1}; 即：{不偷当前节点得到的最大金钱，偷当前节点得到的最大金钱}
举例推导dp数组

在这里插入图片描述

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution:
    def rob(self, root: Optional[TreeNode]) -> int:
        dp=self.traversal(root)
        return max(dp)
    def traversal(self,node):
        #递归终止条件
        if not node:
            return (0,0)
        #左节点
        left=self.traversal(node.left)
        #右节点
        right=self.traversal(node.right)
        #不偷当前节点
        var1=max(left[0],left[1])+max(right[0],right[1])
        #偷当前节点
        var2=node.val+left[0]+right[0]
        return (var1,var2)