动态规划_打家劫舍(Ⅰ~Ⅲ)

这篇具有很好参考价值的文章主要介绍了动态规划_打家劫舍(Ⅰ~Ⅲ)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


前言

打家劫舍系列


198. 打家劫舍

1_动态规划

返回最大金额
不能同时取相邻两个数
数组数据全部非负

①dp数组含义

dp[i]表示前i个数中按规则取出的最大总和

②递推公式
dp[i]=max(dp[i-1],dp[i-2]+nums[i])

当前最优可以从两个状态推出(前提是前面已经为最优解):

1° 前一个数未取:则当前数取了,则总和最大

2° 前一个数已取:比较不考虑当前数字的最大总和 (dp[i] ) 以及不考虑上一个数字的最大总和加上当前数字(dp[i-2]+nums[i]因为当上一个数字未取时,才可以取当前数字

③dp数组初始化

因为递推公式中用到了i-2项
所以遍历时要从dp数组的第2项开始遍历,防止数组越界
所以要初始化dp数组第2项前面的所有项

dp[0]和dp[1]可以手推出来0&nums[0]

④遍历顺序

当前最优由已知最优推出,应正序遍历

完整代码:

int rob(vector<int>& nums) {
	// 定义dp数组&初始化为0
		// dp数组含义:在前i个数中按规则选择后的最大和
	vector<int> dp(nums.size() + 1, 0);
	
	// 因为递推公式会用到i-2,为保证不越界,初始化到1,并从2开始遍历
	// dp[0]没有可选的数字---0
	dp[0] = 0;
	// dp[1]选上唯一一个数则为最大---nums[0]
	dp[1] = nums[0];

	// 遍历dp数组
	for (int i = 2; i < dp.size(); i++)
		dp[i] = max(dp[i - 1], dp[i - 2] + nums[i-1]);
	// 返回答案
	return dp[nums.size()];
}

2_优化空间复杂度

由递推公式可以看出来,当前项只需要用到前两项就可以推出
所以:

不用将dp数组长度开为nums数组的长度
用两个变量记录前两项的值
在遍历时更新

	// 两个变量记录
	// dp[i-2]
	int ppre = 0;
	// dp[i-1]
	int pre = nums[0];
	// dp[i]---初始化为nums[0],当nums长度为1时范围首项
	int cur = nums[0];
	// 遍历nums数组
	for (int i = 2; i <= nums.size();i++) {
		cur = max(pre, ppre + nums[i-1]);
		ppre = pre;
		pre = cur;
	}
	// 返回答案
	return cur;

213. 打家劫舍 II

1_动态规划

在打家劫舍Ⅰ的基础上加上了条件:

当第一间房子被偷过时,最后一间房子就不能偷
只有第一间房子,没被偷过时,最后一间房子才能偷

分(含头不含尾&含尾不含头)两段区间分别计算各自的最大值

动规五部曲和打家劫舍Ⅰ大致相同
需要注意:

int rob(vector<int>& nums) {
	// nums数组长度为1时返回第一项
	if (nums.size() == 1)
		return nums[0];
	
	//  定义dp数组
	vector<int> dp(nums.size());
	
	// 包含首索引---------------------
	// 初始化0,1项
	dp[0] = 0;
	dp[1] = nums[0];
	for (int i = 2; i < dp.size(); i++)
		dp[i] = max(dp[i - 1], dp[i - 2] + nums[i - 1]);
	int m1 = dp[dp.size() - 1];

	// 包含尾索引----------------------
	// 初始化1项为2项(间接删除首索引)
	dp[1] = nums[1];
	for (int i = 2; i < dp.size(); i++)
		dp[i] = max(dp[i - 1], dp[i - 2] + nums[i]);

	return max(m1, dp[dp.size() - 1]);
}

2_优化空间复杂度

int rob(vector<int>& nums) {
	// 变量记录法
	if (nums.size() == 1)
		return nums[0];
	// 含头不含尾----------------------
	// dp[i-2]
	int ppre = 0;
	// dp[i-1]
	int pre = nums[0];
	// dp[i]
	int cur1 = nums[0];
	// 遍历nums数组
	for (int i = 2; i < nums.size(); i++) {
		cur1 = max(pre, ppre + nums[i - 1]);
		ppre = pre;
		pre = cur1;
	}

	// 含尾不含头
	ppre = 0;
	pre = nums[1];
	int cur2 = nums[1];
	for (int i = 3; i <= nums.size(); i++) {
		cur2 = max(pre, ppre + nums[i - 1]);
		ppre = pre;
		pre = cur2;
	}

	// 返回两个区间里的较大者
	return max(cur1, cur2);
}

337. 打家劫舍 III

0_复习树

因为跟树有关,我贴一个遍历方法出来:

递归法遍历树适用于各种

树节点结构体定义:

struct TreeNode {
	int val;
	TreeNode* left;
	TreeNode* right;
	TreeNode() : val(0), left(nullptr), right(nullptr) {}
	TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
	TreeNode(int x, TreeNode* left, TreeNode* right) : val(x), left(left), right(right) {}
};

根节点的构造和函数遍历函数调用:

int main() {
	// [3,2,3,null,3,null,1]
	TreeNode* root = new TreeNode(3, new TreeNode(2, nullptr, new TreeNode(3)), new TreeNode(3, nullptr, new TreeNode(1)));
	postTraval(root);
	return 0;
}

递归法的后序遍历

void postTraval(TreeNode* root) {
	if (root == nullptr)
		return;
	// 左右中
	if (root->left != nullptr)
		postTraval(root->left);
	if (root->right != nullptr)
		postTraval(root->right);
	cout << root->val << " ";
}

迭代法的后续遍历:

// 后序遍历_迭代版
void postTraval(TreeNode* root) {
	/*
	栈
		先存入后访问
	空指针标记
		取节点时,判断是否为空指针
			空指针:取出的是需要访问的节点
			非空指针:加上空指针标记,便于后续取出访问
	*/
	// 数组做栈,存放遍历节点
	TreeNode* stack[30] = { 0 };
	// 栈顶指针
	int top = -1;
	// 预先存入根节点
	stack[++top] = root;
	// 迭代父节点---当栈不为空时,还有节点尚未遍历
	while (top != -1) {
			// 取出节点
		TreeNode* cur = stack[top--];
		if (cur != nullptr) {
			// 存入节点---后序遍历(左右中)---栈的后入先出---(中右左)
				// 存入当前节点时,需要加入标记---先入节点在入空指针
			stack[++top] = cur;
			stack[++top] = nullptr;
			// 存左子节点
			if (cur->right != nullptr)
				stack[++top] = cur->right;
			// 存右子节点
			if (cur->left != nullptr)
				stack[++top] = cur->left;
		}
		else {
			// 进行访问---因为取出的是空指针,下一个栈顶才是要访问的节点
			cur = stack[top--];
			cout << cur->val << " ";
		}
	}
}

1_动态规划

本题里第一次涉及到树状dp

树状dp和数组dp只是数据结构不同
原理都是在遍历数据时进行状态转移
注意状态转移的方向
当选择后序遍历树时,因为是先进入左右子节点,所以当前状态才能从子状态中推出

①dp值含义

考虑当前节点及其所有子节点后,得到的最大值

②递推公式

选择两种情况中的最大值

1° 选择当前节点,递归进入孙子节点
val1=当前节点值+孙子节点的最大值

2° 不选择当前节点,递归进入子节点
val2=左右子节点的最大值

	// 偷当前节点---递归进入孙子节点
	int val1 = root->val;
		// 加入判断,避免操作空指针
	if (root->left != nullptr)
		val1 += rob(root->left->left) + rob(root->left->right);
	if (root->right != nullptr)
		val1 += rob(root->right->left) + rob(root->right->right);

	// 不偷当前节点---递归进入子节点
	int val2 = rob(root->left) + rob(root->right);

因为子状态直接由各个节点值可以直接得出,所以不用初始化

④遍历顺序

选择后序遍历
因为是先进入左右子节点,所以当前状态才能从子状态中推出

完整代码:

int rob(TreeNode* root) {
	// 当传入节点为空时,返回0
	if (root == nullptr)
		return 0;
	// 传入节点非空且无子节点时,返回当前节点值
	if (root->left == nullptr && root->right == nullptr)
		return root->val;

	// 偷当前节点---递归进入孙子节点
	int val1 = root->val;
		// 加入判断,避免操作空指针
	if (root->left != nullptr)
		val1 += rob(root->left->left) + rob(root->left->right);
	if (root->right != nullptr)
		val1 += rob(root->right->left) + rob(root->right->right);

	// 不偷当前节点---递归进入子节点
	int val2 = rob(root->left) + rob(root->right);

	// 在两种情况中返回较大值
	return max(val1, val2);
}

2_记忆化搜索(备忘录)

提交会发现有测试用例超时,因为存在大量重复计算

例如:在不考虑当前节点时,进入的左右子节点可能已经通过之前的孙子节点计算过结果
所以可以通过设置一个数据结构来记录每一个节点的计算结果

数据结构的选择

本题中我们要选择一个能够存储树节点,并且能够通过树节点查询到其计算结果的数据结构
自然会想到使用map(通过键查询值)
因为通过递归遍历树,所以不能选择在某一层建立map,应该开全局map
而平时是数组,仅需通过索引查询,用数组做备忘录就行

完整代码:

unordered_map<TreeNode*, int> visit;
int rob(TreeNode* root) {
	// 当传入节点为空时,返回0
	if (root == nullptr)
		return 0;
	// 传入节点非空且无子节点时,返回当前节点值
	if (root->left == nullptr && root->right == nullptr)
		return root->val;
	
	// 在选择偷法前判断是否已经存在计算结果
	if (visit.find(root) != visit.end())
		return visit[root];
		// ②find函数返回迭代器,通过second获取值
		// return visit.find(root)->second;
		
	// 偷当前节点---递归进入孙子节点
	int val1 = root->val;
		// 加入判断,避免操作空指针
	if (root->left != nullptr)
		val1 += rob(root->left->left) + rob(root->left->right);
	if (root->right != nullptr)
		val1 += rob(root->right->left) + rob(root->right->right);

	// 不偷当前节点---递归进入子节点
	int val2 = rob(root->left) + rob(root->right);

	// 返回前存入结果
	visit[root]=max(val1,val2);
		// 插入键值对
		// visit.insert(pair<TreeNode*,int>(root,max(val1,val2);
	// 在两种情况中返回较大值
	return max(val1, val2);
}

总结

打家劫舍的dp递推公式比较容易找到
难的是边界情况判断
以及跟树结合时需要使用备忘录文章来源地址https://www.toymoban.com/news/detail-773622.html

到了这里,关于动态规划_打家劫舍(Ⅰ~Ⅲ)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【算法|动态规划No.10】leetcode LCR 089. 打家劫舍 & LCR 090. 打家劫舍 II

    个人主页:兜里有颗棉花糖 欢迎 点赞👍 收藏✨ 留言✉ 加关注💓本文由 兜里有颗棉花糖 原创 收录于专栏【手撕算法系列专栏】【LeetCode】 🍔本专栏旨在提高自己算法能力的同时,记录一下自己的学习过程,希望对大家有所帮助 🍓希望我们一起努力、成长,共同进步。

    2024年01月20日
    浏览(44)
  • 力扣198. 打家劫舍(java 动态规划)

    Problem: 198. 打家劫舍 1.构建多阶段决策模型:n个房屋对应n个阶段,每一个阶段决定一个房间是偷还是不偷,两种决策:偷、不偷 2.定义状态:不能记录每个阶段决策完之后,小偷可偷的最大金额,需要记录不同决策对应的最大金额,也就是:这个房屋偷-对应的最大金额;这

    2024年01月21日
    浏览(54)
  • 【学会动态规划】打家劫舍 II(12)

    目录 动态规划怎么学? 1. 题目解析 2. 算法原理 1. 状态表示 2. 状态转移方程 3. 初始化 4. 填表顺序 5. 返回值 3. 代码编写 写在最后: 学习一个算法没有捷径,更何况是学习动态规划, 跟我一起刷动态规划算法题,一起学会动态规划! 题目链接:213. 打家劫舍 II - 力扣(Lee

    2024年02月15日
    浏览(40)
  • leetcode-打家劫舍专题系列(动态规划)

    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

    2024年04月14日
    浏览(45)
  • 【LeetCode热题100】198. 打家劫舍(动态规划)

    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

    2024年04月11日
    浏览(46)
  • 动态规划-经典dp(打家劫舍,股票等)

    1.1.1 爬楼梯  由于求的是组合数,我们将不同路径相加即可 dp定义: dp[i]为爬到第i阶楼梯的方法数; 转移方程: 初始化:  由于涉及到i-2和i-1,那么我们要从i=2开始遍历,因此要初始化dp[0] = 0,dp[1] = 1(根据定义) 遍历顺序: 从左往右  完整代码:  1.1.2 使用最小花费爬楼梯

    2024年01月19日
    浏览(37)
  • 动态规划day09(打家劫舍,树形dp)

    目录 198.打家劫舍 看到题目的第一想法 看到代码随想录之后的想法 自己实现过程中遇到的困难 213.打家劫舍II 看到题目的第一想法 看到代码随想录之后的想法 自己实现过程中遇到的困难 337.打家劫舍 III(树形dp) 看到题目的第一想法 看到代码随想录之后的想法 自己实现过程中

    2024年01月23日
    浏览(93)
  • leetcode 343.整数拆分 198.打家劫舍(动态规划)

       OJ链接 :leetcode 343.整数拆分 代码:  OJ链接 :198.打家劫舍    代码:

    2024年02月05日
    浏览(49)
  • Day 42 算法记录|动态规划 09 (打家劫舍)

    1.dp[i]: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]。 2.dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]); 3.初始化,dp[0] 和 dp[1],dp[0] 一定是 nums[0],dp[1] = max(nums[0], nums[1]); 3.遍历顺序,dp[i] 是根据dp[i - 2] 和 dp[i - 1] 推导出来的,那么一定是从前到后遍历! 进一步对滚动数组

    2024年02月15日
    浏览(34)
  • Java 动态规划 Leetcode 213. 打家劫舍 II

    代码展示:         该题其实是Java 动态规划 面试题 17.16. 按摩师的变种,增加了一个首尾是相邻的条件,而我们解决该题也要用到链接的这道题的思想,可以先去看一下上面这篇博客 此题可以采用动态规划的方法进行解决,根据解决动态规划题目的5大步骤进行逐步分析

    2024年02月13日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包