leetcode-打家劫舍

leetcode-打家劫舍
这几天在宿舍刷leetcode，开了一个dp的专题，先来说说官方的回答：dp全称是Dynamic programming，说人话就是，现在有一个问题，需要我们做出一个决定，达到一种最优解，但是这个问题比较大，我们无法一下子做出决定，但是这个问题遵循数学归纳法，即我们可以从一个状态推至下一个状态，那么在我们确定了问题的初始状态时，就可以一步步得到问题的最终状态。
在dp的世界里，有两个关键的问题，一个是问题的初始状态，另一个是当前状态推至下一个状态的关系，我们称之为状态转移方程。
解决dp的问题，我们可以借助数组来解决，一般可以一维数组或者二维数组，另外有些问题是可以进行优化的，优化空间复杂度，要视具体的问题而定，下面来看今天的第一个dp问题。
题目链接：题目链接
题目大意是有一个村庄有很多房子，一个盗贼要进行偷窃，但是偷窃不能连续偷窃两个挨着的房子，求最大的盗窃价值
那我们开始第一步，定义dp数组，令dp[i]表示对于i房子，所能偷窃到的最大价值
第二步，我们找出一个初始状态，dp[0]表示第一个房子，所能拿到的最大价值就是第一个房子的价值，对于dp[1]，所能得到的最大价值有两种可能，1–放弃第二个房子，最大价值等于第一个房子,2–放弃第一个房子，最大价值等于第二个房子的价值，
第三步，找出状态转移方程，可以知道，对于dp[i]它有两种状态转变而来，第一种是放弃了前一个房子i-1偷窃i和i-2，第二种是放弃i，偷窃i-1的房子，所以方程为: dp[i] = max(dp[i-1], dp[i-2]+dp[i])
最后就可以直接进行编码了

public int rob(int[] nums) {
    	//状态转移方程应该是dp[i] = Math.max((dp[i]+dp[i-2]), dp[i-1])
    	//即面对房间i，有两种选择：
    	//1.放弃i选择偷窃i-1的财物
    	//2.偷窃i，顺带i-2，但是要放弃i-1
    	if(nums.length<2) { //特判样例
    		return nums[nums.length-1];
    	}
    	nums[1] = Math.max(nums[0], nums[1]);
    	for(int i = 2; i < nums.length; i++) {
    		nums[i] = Math.max((nums[i]+nums[i-2]), nums[i-1]);
    	}
    	return nums[nums.length-1];
    }

动态规划的关键问题就是确定dp数组，确定了数组和状态转移方程以后就可以进行问题的求解了