198. 打家劫舍

198. 打家劫舍

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。

示例 1：
输入：[1,2,3,1]
输出： 4
解释： 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 2：
输入：[2,7,9,3,1]
输出： 12
解释： 偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9)，接着偷窃 5 号房屋 (金额 = 1)。
偷窃到的最高金额 = 2 + 9 + 1 = 12 。

提示：
0 <= nums.length <= 100
0 <= nums[i] <= 400

动态规划——DP

从前往后看，如果偷窃第 $k$ 间房屋，则下一间应该为第$k+2$间或第$k+3$间
从后往前看，如果偷窃第 $k$ 间房屋，那么偷窃总金额为前 $k-2$ 间房屋的最高总金额与第 $k$间房屋的金额之和。如果不偷窃第 $k$ 间房屋，那么偷窃总金额为前 $k-1$ 间房屋的最高总金额。

用 $dp[i]$表示前 $i$间房屋能偷窃到的最高总金额，那么就有如下的状态转移方程：

$$\text{dp}[i]=\max (\text{dp}[i-2]+\text{nums}[i],\text{dp}[i-1])$$

此问题的最小问题为只有一间房屋和只有两间房屋，所有问题都可以分解成若干最小问题。

class Solution:
    def rob(self, nums: List[int]) -> int:
        n = len(nums)
        #没有房屋
        if n == 0:
            return 0
        #只有一间房屋
        if n == 1:
            return nums[0]
        #只有两间房屋
        if n == 2:
            return max(nums[0], nums[1])

        ...
        #dp[i]表示前 i间房屋能偷窃到的最高总金额
        dp = [0] * n 
        dp[0] = nums[0]
        dp[1] = max(nums[0], nums[1])
        for i in range(2, n):
            dp[i] = max(dp[i-1], dp[i-2] + nums[i])            
        return dp[n-1]
        ...

		#优化储存空间
		first = nums[0]
        second = max(nums[0], nums[1])
        for i in range(2, n):
            tmp=second
            second = max(second, first+ nums[i])
            first=tmp
        
        return second