LeetCode题练习与总结：打家劫舍Ⅱ--213

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。

• 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。

• 数学与逻辑：

  • 使用Math.max函数来在两个值之间取最大值。

• 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。