当前位置: 首页 > news >正文

代码随想录第二十一天|动态规划(5)

目录

LeetCode 198. 打家劫舍

LeetCode 213. 打家劫舍 II

LeetCode 337. 打家劫舍 III

总结


LeetCode 198. 打家劫舍

题目链接:LeetCode 198. 打家劫舍

思想:本题依旧是动态规划五步走。第一步确定dp数组及其下标含义,dp[i]代表的是偷窃第i家目前能获得的最高金额。关于递推公式的话,dp[i]的决定可以从第i-2房间来决定,当前的最高金额可以是dp[i-2]+nums[i];其次就是不偷第i个房间,那么第i个房间能获得的最高金额可以由i-1获得,即dp[i-1]。所以递推公式就是dp[i] = max(dp[i - 2] + nums[i], dp[i - 1])。关于dp数组的初始化,根据递推公式,一个状态需要前两个状态的值,也就是说dp[0]和dp[1]需要初始化,dp[0]可以初始化为nums[0],而dp[1]就初始化为max(nums[0],nums[1]),因为是求最大嘛。遍历顺序的话就从第二个房间遍历到最后一个房间就行了。

代码如下:

    int rob(vector<int>& nums) {if (nums.size() == 0) return 0;if (nums.size() == 1) return nums[0];vector<int> dp(nums.size(), 0);dp[0] = nums[0];dp[1] = max(nums[0], nums[1]);for (int i = 2; i < nums.size(); i++) {dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);}return dp[nums.size() - 1];}

时间复杂度:O(n),空间复杂度:O(n)。

LeetCode 213. 打家劫舍 II

题目链接:LeetCode 213. 打家劫舍 II

思想:本题关于上题做了一些改进,现在头尾房子相连,所以关于动归五部曲的所有东西都可以不用变。而怎么避免首尾带来的相邻呢,可以只考虑首或只考虑尾,然后分别求一次动归,然后返回最大值。

代码如下:

    int rob(vector<int>& nums) {if (nums.size() == 0) return 0;if (nums.size() == 1) return nums[0];int result1 = robRange(nums, 0, nums.size() - 2);int result2 = robRange(nums, 1, nums.size() - 1);return max(result1, result2);}int robRange(vector<int>& nums, int start, int end) {if (end == start) return nums[start];vector<int> dp(nums.size(), 0);dp[start] = nums[start];dp[start + 1] = max(nums[start], nums[start + 1]);for (int i = start + 2; i <= end; i++) {dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);}return dp[end];}

时间复杂度:O(n),空间复杂度:O(n)。

LeetCode 337. 打家劫舍 III

题目链接:LeetCode 337. 打家劫舍 III

思想:本题又换了,房间按照二叉树的样子排列,被偷的房子不能直线相连。这题不能采用上述一样的动归五部曲。得换一个方式。首先就是确定遍历树的方式,本题一定是后序遍历,因为要根据左右孩子的值来计算当前能获得的最高金额。如果抢了当前节点,两个孩子就不能动,如果没抢当前节点,就可以考虑抢左右孩子(注意这里说的是“考虑”)。

本题需要融合递归三部曲和动归五部曲,脑子有点小转不过来了,所以这里直接借用代码随想录的思想和讲解内容了。

  1. 确定递归函数的参数和返回值

这里我们要求一个节点 偷与不偷的两个状态所得到的金钱,那么返回值就是一个长度为2的数组。参数为当前节点,代码如下:

vector<int> robTree(TreeNode* cur) {

其实这里的返回数组就是dp数组。所以dp数组(dp table)以及下标的含义:下标为0记录不偷该节点所得到的的最大金钱,下标为1记录偷该节点所得到的的最大金钱。所以本题dp数组就是一个长度为2的数组!那么有同学可能疑惑,长度为2的数组怎么标记树中每个节点的状态呢?别忘了在递归的过程中,系统栈会保存每一层递归的参数。如果还不理解的话,就接着往下看,看到代码就理解了哈。

  1. 确定终止条件

在遍历的过程中,如果遇到空节点的话,很明显,无论偷还是不偷都是0,所以就返回

if (cur == NULL) return vector<int>{0, 0};

这也相当于dp数组的初始化

  1. 确定遍历顺序

首先明确的是使用后序遍历。 因为要通过递归函数的返回值来做下一步计算。通过递归左节点,得到左节点偷与不偷的金钱。通过递归右节点,得到右节点偷与不偷的金钱。

代码如下:

// 下标0:不偷,下标1:偷
vector<int> left = robTree(cur->left); // 左
vector<int> right = robTree(cur->right); // 右
// 中
  1. 确定单层递归的逻辑

如果是偷当前节点,那么左右孩子就不能偷,val1 = cur->val + left[0] + right[0]; (如果对下标含义不理解就再回顾一下dp数组的含义)如果不偷当前节点,那么左右孩子就可以偷,至于到底偷不偷一定是选一个最大的,所以:val2 = max(left[0], left[1]) + max(right[0], right[1]);最后当前节点的状态就是{val2, val1}; 即:{不偷当前节点得到的最大金钱,偷当前节点得到的最大金钱}

代码如下:

vector<int> left = robTree(cur->left); // 左
vector<int> right = robTree(cur->right); // 右// 偷cur
int val1 = cur->val + left[0] + right[0];
// 不偷cur
int val2 = max(left[0], left[1]) + max(right[0], right[1]);
return {val2, val1};

最终代码如下:

    int rob(TreeNode* root) {vector<int> result = robTree(root);return max(result[0], result[1]);}vector<int> robTree(TreeNode* cur) {if (cur == NULL) return vector<int> {0,0};vector<int> left = robTree(cur->left);vector<int> right = robTree(cur->right);int val1 = cur->val + left[0] + right[0];int val2 = max(left[0], left[1]) + max(right[0], right[1]);return {val2, val1};}

时间复杂度:O(n),空间复杂度:O(logn)。

总结

动归的递推公式太难想了,这次还加上了二叉树。感觉自己以及到尽头了。= =

相关文章:

  • 北京网站建设多少钱?
  • 辽宁网页制作哪家好_网站建设
  • 高端品牌网站建设_汉中网站制作
  • 3.2.2 最短路径 堆优化版Djkstra算法
  • 快速解密哈希算法利器Hasher:解密MD5、SHA256、SHA512、RIPEMD160等最佳工具
  • ChatTTS文本转语音本地部署结合内网穿透实现远程使用生成AI音频
  • sql注入安全作业
  • LearnOpenGL-入门章节学习笔记
  • C语言程序设计-[5] 输入输出语句
  • ShardingSphere 内核工作原理
  • 极简聊天室-websocket版(双向通信)
  • 数据科学家必须掌握的12个Python功能
  • pxe自动安装linux
  • 虚拟机连接xshell的三种方式
  • ReentrantLock的阻塞性、可中断性
  • 捉虫笔记(二)之 杀软请你自重点
  • Python 基础教程:List(列表)的使用
  • .NET周刊【7月第4期 2024-07-28】
  • 【跃迁之路】【641天】程序员高效学习方法论探索系列(实验阶段398-2018.11.14)...
  • 2019.2.20 c++ 知识梳理
  • AHK 中 = 和 == 等比较运算符的用法
  • Angular 响应式表单之下拉框
  • Angular数据绑定机制
  • JavaScript设计模式之工厂模式
  • Java反射-动态类加载和重新加载
  • vue2.0项目引入element-ui
  • webgl (原生)基础入门指南【一】
  • windows-nginx-https-本地配置
  • 从输入URL到页面加载发生了什么
  • 前端js -- this指向总结。
  • 温故知新之javascript面向对象
  • 限制Java线程池运行线程以及等待线程数量的策略
  • 小李飞刀:SQL题目刷起来!
  • 正则表达式小结
  • 阿里云API、SDK和CLI应用实践方案
  • # windows 安装 mysql 显示 no packages found 解决方法
  • # 学号 2017-2018-20172309 《程序设计与数据结构》实验三报告
  • #Linux(帮助手册)
  • #我与Java虚拟机的故事#连载10: 如何在阿里、腾讯、百度、及字节跳动等公司面试中脱颖而出...
  • (01)ORB-SLAM2源码无死角解析-(66) BA优化(g2o)→闭环线程:Optimizer::GlobalBundleAdjustemnt→全局优化
  • (2/2) 为了理解 UWP 的启动流程,我从零开始创建了一个 UWP 程序
  • (C++)栈的链式存储结构(出栈、入栈、判空、遍历、销毁)(数据结构与算法)
  • (k8s中)docker netty OOM问题记录
  • (八)c52学习之旅-中断实验
  • (笔记)M1使用hombrew安装qemu
  • (二)斐波那契Fabonacci函数
  • (七)Java对象在Hibernate持久化层的状态
  • (三)Pytorch快速搭建卷积神经网络模型实现手写数字识别(代码+详细注解)
  • (四)js前端开发中设计模式之工厂方法模式
  • (学习日记)2024.03.25:UCOSIII第二十二节:系统启动流程详解
  • (转)iOS字体
  • .bat批处理(四):路径相关%cd%和%~dp0的区别
  • .mp4格式的视频为何不能通过video标签在chrome浏览器中播放?
  • .net core控制台应用程序初识
  • .NET 分布式技术比较
  • .NET单元测试使用AutoFixture按需填充的方法总结
  • .NET上SQLite的连接
  • .NET设计模式(2):单件模式(Singleton Pattern)