一、题目描述
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。
示例 1:
输入:nums = [2,3,2] 输出:3 解释:你不能先偷窃 1 号房屋(金额 = 2),然后偷窃 3 号房屋(金额 = 2), 因为他们是相邻的。
示例 2:
输入:nums = [1,2,3,1] 输出:4 解释:你可以先偷窃 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 3:
输入:nums = [1,2,3] 输出:3
提示:
1 <= nums.length <= 100
0 <= nums[i] <= 1000
二、解题思路
这个问题是经典的“打家劫舍”问题的一个变种,因为房屋是环形的,所以第一个房屋和最后一个房屋不能同时被选中。解决这个问题的一个方法是使用动态规划。
解题思路如下:
- 如果只有一间房屋,则直接返回该房屋的金额。
- 如果有两间房屋,则返回其中金额较大的房屋。
- 对于两间以上的房屋,可以分成两种情况考虑:
- 不偷窃第一间房屋,考虑从第二间到最后一间房屋的最高金额。
- 不偷窃最后一间房屋,考虑从第一间到倒数第二间房屋的最高金额。
- 分别计算这两种情况下的最高金额,然后取两者的最大值。
动态规划的状态转移方程为:dp[i] = max(dp[i-1], dp[i-2] + nums[i])
三、具体代码
class Solution {
public int rob(int[] nums) {
if (nums == null || nums.length == 0) {
return 0;
}
if (nums.length == 1) {
return nums[0];
}
if (nums.length == 2) {
return Math.max(nums[0], nums[1]);
}
// 计算不偷窃第一间房屋的最高金额
int[] dp1 = new int[nums.length - 1];
dp1[0] = nums[1];
dp1[1] = Math.max(nums[1], nums[2]);
for (int i = 2; i < dp1.length; i++) {
dp1[i] = Math.max(dp1[i - 1], dp1[i - 2] + nums[i + 1]);
}
// 计算不偷窃最后一间房屋的最高金额
int[] dp2 = new int[nums.length - 1];
dp2[0] = nums[0];
dp2[1] = Math.max(nums[0], nums[1]);
for (int i = 2; i < dp2.length; i++) {
dp2[i] = Math.max(dp2[i - 1], dp2[i - 2] + nums[i]);
}
// 返回两种情况的最大值
return Math.max(dp1[dp1.length - 1], dp2[dp2.length - 1]);
}
}
四、时间复杂度和空间复杂度
1. 时间复杂度
- 特殊情况判断:对于数组长度为0、1和2的情况,这部分操作的时间复杂度是O(1)。
- 动态规划数组
dp1
和dp2
的初始化:初始化长度为nums.length - 1
的数组,时间复杂度为O(n),其中n是输入数组nums
的长度。 - 动态规划过程:对于每个
dp1
和dp2
数组,都有一个for循环,该循环会执行n-2次(因为已经初始化了前两个元素),每次循环中的操作是常数时间的,因此这部分的时间复杂度是O(n)。 - 由于
dp1
和dp2
的计算是独立的,所以总的时间复杂度是O(n) + O(n) = O(n)。
综上所述,代码的时间复杂度是O(n)。
2. 空间复杂度
dp1
和dp2
数组:每个数组的大小都是nums.length - 1
,所以它们的空间复杂度都是O(n)。- 除了这两个数组之外,代码中使用的额外空间是常数级别的,即O(1)。
因此,总的空间复杂度是O(n) + O(n) = O(n)。
五、总结知识点
-
数组操作:
- 数组的声明、初始化和使用。
- 访问数组的元素,例如
nums[i]
。
-
基础编程概念:
- 条件判断:使用
if
语句来处理不同长度的输入数组。 - 循环:使用
for
循环来进行迭代操作。
- 条件判断:使用
-
算法设计:
- 动态规划:通过维护两个数组
dp1
和dp2
来保存中间状态,这是解决此类问题的一种常见方法。
- 动态规划:通过维护两个数组
-
动态规划的状态转移:
- 状态转移方程:
dp[i] = max(dp[i-1], dp[i-2] + nums[i])
,用于在不偷窃相邻房屋的约束下计算最大金额。
- 状态转移方程:
-
数学与逻辑:
- 使用
Math.max
函数来在两个值之间取最大值。
- 使用
-
问题分解:
- 将环形问题分解为两个线性问题:不偷窃第一个房屋和不偷窃最后一个房屋的情况。
-
边界条件处理:
- 处理边界条件,例如当数组长度为0、1或2时的情况。
以上就是解决这个问题的详细步骤,希望能够为各位提供启发和帮助。