代码随想录算法训练营第四十七天 | LeetCode 198. 打家劫舍、213. 打家劫舍 II、337. 打家劫舍 III

简介: 代码随想录算法训练营第四十七天 | LeetCode 198. 打家劫舍、213. 打家劫舍 II、337. 打家劫舍 III

代码随想录算法训练营第四十七天 | LeetCode 198. 打家劫舍、213. 打家劫舍 II、337. 打家劫舍 III

文章链接:打家劫舍打家劫舍 II打家劫舍 III

视频链接:打家劫舍打家劫舍 II打家劫舍 III

1. LeetCode 198. 打家劫舍

1.1 思路

  1. 我们要去偷钱,但相邻房间不能偷,求最后偷的最大金额。其实我们对于当前房间偷不偷是取决于前一个和前前一个房间的,是一个递推的关系。
  2. dp 数组及其下标的含义:dp[i] 考虑下标 i(包含下标 i),所能偷的最多的金额为 dp[i],最终结果在 dp[nums.length-1]。注意我们是考虑,考虑的仅仅是遍历的范围,取不取由递推公式决定
  3. 递推公式:偷 i 和不偷 i。偷 i 就是只能考虑前前一个房间,即 dp[i-2]+nums[i],i-2 之前的范围加上 i 就是我们的考虑范围。不偷 i 就是考虑前一个房间,即 dp[i-1],i-1 之前的范围就是我们的考虑范围。因此递推公式:dp[i]=Math.max(dp[i-2]+nums[i],dp[i-1])
  4. dp 数组的初始化:根据递推公式,我们的基础就是 dp[0] 和 dp[1],dp[0] 就只能是偷 nums[0],dp[1] 是考虑下标 1 之前的包括下标 1,1 和 0 两个位置取最大值 dp[1]=Math.max(nums[1],nums[0]),其余下标初始化为 0 即可,不影响
  5. 遍历顺序:根据递推公式,就是从前往后比那里的 for(int i=2;i<nums.length;i++)

1.2 代码

// 动态规划
class Solution {
  public int rob(int[] nums) {
    if (nums == null || nums.length == 0) return 0;
    if (nums.length == 1) return nums[0];
    int[] dp = new int[nums.length];
    dp[0] = nums[0];
    dp[1] = Math.max(dp[0], nums[1]);
    for (int i = 2; i < nums.length; i++) {
      dp[i] = Math.max(dp[i - 1], dp[i - 2] + nums[i]);
    }
    return dp[nums.length - 1];
  }
}

2. LeetCode 213. 打家劫舍 II

2.1 思路

  1. 本题和198. 打家劫舍的区别就是环了,之前是一个线性的数组,本题是把这个数组连成环了,首尾相连,其余的都是相同的。关于连成环首尾怎么取,我们可以分成下面三种情况:
  2. 情况 1:首尾都不取,只取中间部分,对于数组是否连成环跟这种情况没有关系,就相当于是线性数组了,直接和我们在198. 打家劫舍处理方式一样
  3. 情况 2:考虑首元素不考虑尾元素,就相当于默认数组没有尾元素了,这样对于数组是否连成环也没有关系了
  4. 情况 3:不考虑首元素考虑尾元素,就相当于默认数组没有首元素了,这样对于数组是否连成环也没有关系了
  5. 关于连成环就是分成了以上三种情况了,但是情况 2 和 3 是包含 1 的。情况 1 是考虑中间部分,情况 2 是考虑首+中间部分,情况 3 是考虑尾+中间部分。注意我们是考虑,不是一定要取,考虑的仅仅是遍历的范围,取不取是由递推公式决定的。因此我们只要求情况 2 的最优解和情况 3 的最优解,两者取最大值即可。我们可以把情况 2 和情况 3 分别传到198. 打家劫舍函数里得到这个线性数组的最大值,两者再取最大值

2.2 代码

class Solution {
    public int rob(int[] nums) {
        if (nums == null || nums.length == 0)
            return 0;
        int len = nums.length;
        if (len == 1)
            return nums[0];
        return Math.max(robAction(nums, 0, len - 1), robAction(nums, 1, len));
    }
    int robAction(int[] nums, int start, int end) {
        int x = 0, y = 0, z = 0;
        for (int i = start; i < end; i++) {
            y = z;
            z = Math.max(y, x + nums[i]);
            x = y;
        }
        return z;
    }
}

3. LeetCode 337. 打家劫舍 III

3.1 思路

  1. 本题和前面不一样的是我们是在一个二叉树上偷,要求也是相邻节点不能偷,就相当于是树形 dp,因此也用到了之前的递归三部曲
  2. dp 数组及其下标的含义:每个节点只有两个状态,偷与不偷,用一个长度为 2 的 dp 数组就可以表示了,dp[0]=不偷,dp[1]=偷。因为我们在遍历二叉树的过程中是通过递归遍历的,系统栈会保存每一层递归里的参数,每一层递归都有一个长度为 2 的 dp 数组,当前层 dp 数组就是表示当前层所遍历这个节点的状态,dp[0] 就是不偷所得的最大金额,dp[1] 就是偷所得的最大金额。而我们是通过后序遍历从底向上遍历的,最后就是根节点偷与不偷两个状态取最大值
  3. 递归函数的参数和返回值:返回值是一个 dp 数组,一维的,长度为 2,参数是 root。我们是通过一个数组来接收这个函数的返回值的。最终是 return Math.max(数组 [0],数组 [1])两个状态取最大值
  4. 递归函数的终止条件:if(root==null)此时偷与不偷的最大金额都是 0,因为是空节点
  5. 遍历顺序:偷与不偷取一个最大值。偷当前节点,左右孩子就不能偷了 int value1=root.val+leftdp[0]+rightdp[0]。这里的leftdp 和rightdp 就是我们通过后序遍历从底往上推的过程得到的,因此要在上面定义 dp 数组 leftdp 和rightdp 通过递归运算得到 leftdp=递归函数(root.left),rightdp=递归函数(root.right),这样就得到了左右孩子偷与不偷的最大值,因此就能得到当前节点偷与不偷的最大值,当前节点偷了那左右孩子就不能偷 int value1=root.val+leftdp[0]+rightdp[0],当前节点不偷那左右孩子考虑能偷,偷不偷取决于左右孩子偷与不偷的最大值是什么,dp[0] 和 dp[1] 哪个大就取哪个 int value2=Math.max(leftdp[0],leftdp[1])+Math.max(rightdp[0],rightdp[1]),最终 return value2,value1 组成的数组,注意两个的位置。并且我们上面的逻辑是"左右中",即后序遍历的逻辑

3.2 代码

// 3.状态标记递归
    // 执行用时:0 ms , 在所有 Java 提交中击败了 100% 的用户
    // 不偷:Max(左孩子不偷,左孩子偷) + Max(又孩子不偷,右孩子偷)
    // root[0] = Math.max(rob(root.left)[0], rob(root.left)[1]) +
    // Math.max(rob(root.right)[0], rob(root.right)[1])
    // 偷:左孩子不偷+ 右孩子不偷 + 当前节点偷
    // root[1] = rob(root.left)[0] + rob(root.right)[0] + root.val;
    public int rob3(TreeNode root) {
        int[] res = robAction1(root);
        return Math.max(res[0], res[1]);
    }
    int[] robAction1(TreeNode root) {
        int res[] = new int[2];
        if (root == null)
            return res;
        int[] left = robAction1(root.left);
        int[] right = robAction1(root.right);
        res[0] = Math.max(left[0], left[1]) + Math.max(right[0], right[1]);
        res[1] = root.val + left[0] + right[0];
        return res;
    }
}
相关文章
|
10天前
|
算法
分享一些提高二叉树遍历算法效率的代码示例
这只是简单的示例代码,实际应用中可能还需要根据具体需求进行更多的优化和处理。你可以根据自己的需求对代码进行修改和扩展。
|
13天前
|
存储 算法 Java
leetcode算法题-有效的括号(简单)
【11月更文挑战第5天】本文介绍了 LeetCode 上“有效的括号”这道题的解法。题目要求判断一个只包含括号字符的字符串是否有效。有效字符串需满足左括号必须用相同类型的右括号闭合,并且左括号必须以正确的顺序闭合。解题思路是使用栈数据结构,遍历字符串时将左括号压入栈中,遇到右括号时检查栈顶元素是否匹配。最后根据栈是否为空来判断字符串中的括号是否有效。示例代码包括 Python 和 Java 版本。
|
22天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
25 3
|
21天前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
1月前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
1月前
|
搜索推荐
插入排序算法的讲解和代码
【10月更文挑战第12天】插入排序是一种基础的排序算法,理解和掌握它对于学习其他排序算法以及数据结构都具有重要意义。你可以通过实际操作和分析,进一步深入了解插入排序的特点和应用场景,以便在实际编程中更好地运用它。
|
27天前
|
缓存 分布式计算 监控
优化算法和代码需要注意什么
【10月更文挑战第20天】优化算法和代码需要注意什么
18 0
|
28天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
5天前
|
算法 数据安全/隐私保护 索引
OFDM系统PAPR算法的MATLAB仿真,对比SLM,PTS以及CAF,对比不同傅里叶变换长度
本项目展示了在MATLAB 2022a环境下,通过选择映射(SLM)与相位截断星座图(PTS)技术有效降低OFDM系统中PAPR的算法实现。包括无水印的算法运行效果预览、核心程序及详尽的中文注释,附带操作步骤视频,适合研究与教学使用。
|
13天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
下一篇
无影云桌面