算法训练Day48 打家劫舍系列 | LeetCode198. 打家劫舍(普通直街道);213. 打家劫舍II(环形房屋);337. 打家劫舍III(树形房屋)

目录

LeetCode198. 打家劫舍

1. 思路

2. 代码实现

3. 复杂度分析

4. 思考与收获

LeetCode213. 打家劫舍II

1. 思路

2. 代码实现

3. 复杂度分析

4. 思考与收获

 LeetCode337. 打家劫舍III

大致思路

方法一:暴力递归做法

1. 思路

2. 代码实现

3. 复杂度分析

4. 思考与收获

方法二:记忆化递归

1. 思路

2. 代码实现

3. 复杂度分析

4. 思考与收获

方法三:动态规划

1. 思路

2. 代码实现

3. 复杂度分析

4. 思考与收获


LeetCode198. 打家劫舍

 链接:198. 打家劫舍 - 力扣(LeetCode)

1. 思路

打家劫舍是dp解决的经典问题,动规五部曲分析如下:

1.1 确定dp数组以及下标的含义

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];

1.2 确定递推公式

决定dp[i]的因素就是第i房间偷还是不偷。

  • 如果偷第i房间,那么dp[i] = dp[i - 2] + nums[i] ,即:第i-1房一定是不考虑的,找出 下标i-2(包括i-2)以内的房屋,最多可以偷窃的金额为dp[i-2] 加上第i房间偷到的钱。
  • 如果不偷第i房间,那么dp[i] = dp[i - 1],即考虑i-1房,(注意这里是考虑,并不是一定要偷i-1房,这是很多同学容易混淆的点

然后dp[i]取最大值,即dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);

1.3 dp数组如何初始化

从递推公式dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);可以看出,递推公式的基础就是dp[0] 和 dp[1];

从dp[i]的定义上来讲,dp[0] 一定是 nums[0],dp[1]就是nums[0]和nums[1]的最大值即:dp[1] = max(nums[0], nums[1]);

1.4 确定遍历顺序

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!

1.5 举例推导dp数组

以示例二,输入[2,7,9,3,1]为例。红框dp[nums.size() - 1]为结果。

算法训练Day48 打家劫舍系列 | LeetCode198. 打家劫舍(普通直街道);213. 打家劫舍II(环形房屋);337. 打家劫舍III(树形房屋)_第1张图片

2. 代码实现

#  time:O(N);space:O(N)
class Solution(object):
    def rob(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # dp[i] 定义是考虑下标i,包括i在内的房屋
        # 最多可以偷窃的金额总和是dp[i]
        # 边界情况
        if len(nums) == 1: return nums[0]
        # 初始化dp数组
        dp = [0]*len(nums)
        dp[0] = nums[0]
        dp[1] = max(nums[0],nums[1])
        # 遍历顺序:从左到右
        for i in range(2,len(nums)):
            # 递推公式(偷不偷i的)
            dp[i] = max(dp[i-1],dp[i-2]+nums[i])
        return dp[len(nums)-1]

3. 复杂度分析

  • 时间复杂度:O(N)

    N为nums数组的长度,for loop需要把dp数组的下标为2开始的每个数都遍历一遍,dp数组的长度和nums数组一样;

  • 空间复杂度:O(N)

    N为nums数组的长度,需要定义一个长度为N的dp数组;

4. 思考与收获

  1. 空间复杂度可以通过状态压缩继续优化;

    # 状态压缩版本
    # 不定义dp数组的版本,只用两个变量维护
    # time:O(N);space:O(1)
    class Solution(object):
        def rob(self, nums):
            """
            :type nums: List[int]
            :rtype: int
            """
            if len(nums) == 1: return nums[0]
            if len(nums) == 2: return max(nums[0],nums[1])
            first = nums[0]
            second = max(nums[0],nums[1])
            for i in range (2,len(nums)):
                result = max(first+nums[i],second)
                first = second
                second = result
            return result
    
  2. 打家劫舍是DP解决的经典题目,这道题也是打家劫舍入门级题目,后面我们还会变种方式来打劫的;

  3. 和01背包的题目对比,他只有物品价值和一定的限制条件(影响递推公式),没有背包容量的限制;

Reference:代码随想录 (programmercarl.com)

本题学习时间:40分钟。


LeetCode213. 打家劫舍II

链接:213. 打家劫舍 II - 力扣(LeetCode)

1. 思路

本题和 9.20 打家劫舍(LeetCode198)是差不多的,唯一区别就是成环了;

对于一个数组,成环的话主要有如下三种情况:

  • 情况一:考虑不包含首尾元素

算法训练Day48 打家劫舍系列 | LeetCode198. 打家劫舍(普通直街道);213. 打家劫舍II(环形房屋);337. 打家劫舍III(树形房屋)_第2张图片 

  •  情况二:考虑包含首元素,不包含尾元素

算法训练Day48 打家劫舍系列 | LeetCode198. 打家劫舍(普通直街道);213. 打家劫舍II(环形房屋);337. 打家劫舍III(树形房屋)_第3张图片

  •  情况三:考虑包含尾元素,不包含首元素

算法训练Day48 打家劫舍系列 | LeetCode198. 打家劫舍(普通直街道);213. 打家劫舍II(环形房屋);337. 打家劫舍III(树形房屋)_第4张图片

注意我这里用的是"考虑",例如情况三,虽然是考虑包含尾元素,但不一定要选尾部元素! 对于情况三,取nums[1] 和 nums[3]就是最大的。而情况二 和 情况三 都包含了情况一了,所以只考虑情况二和情况三就可以;

分析到这里,本题其实比较简单了,其余的逻辑和 9.20 打家劫舍(LeetCode198)是一样的了。

2. 代码实现

# 2022.11.07
# time:O(N);space:O(N) 
class Solution(object):
    def rob(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
				# 题目中提示nums.length>=1,所以不需要考虑len(nums)==0的情况
        if len(nums) == 1: return nums[0]
        if len(nums) == 2: return max(nums[0],nums[1])
        length = len(nums)
        # 考虑偷首,但是不考虑偷尾
        result1 = self.basicRob(nums[:-1])
        # 考虑偷尾,但是不考虑偷首
        result2 = self.basicRob(nums[1:])
        return max(result1,result2)
        
    def basicRob(self,newNums):
        # 能执行的newNums的长度至少为2了
        if len(newNums) == 2: return max(newNums[0],newNums[1])
        dp = [0]*len(newNums)
        dp[0] = newNums[0]
        dp[1] = max(newNums[0],newNums[1])
        for i in range(2,len(newNums)):
            dp[i] = max(dp[i-1],dp[i-2]+newNums[i])
        return dp[-1]

3. 复杂度分析

在9.20中分析过basicRob本身的时间复杂度为O(N),空间复杂度为O(N);

这里需要调用执行两次basicRob,然后取最大值,总体为2N的时空复杂度;

  • 时间复杂度:O(N)
  • 空间复杂度:O(N)

4. 思考与收获

  1. 仍然可以用状态压缩的方法优化空间复杂度到O(1)
  2. 成环之后还是难了一些的, 不少题解没有把“考虑房间”和“偷房间”说清楚;这就导致大家会有这样的困惑:情况三怎么就包含了情况一了呢? 本文图中最后一间房不能偷啊,偷了一定不是最优结果。所以我在本文重点强调了情况一二三是“考虑”的范围,而具体房间偷与不偷交给递推公式去抉择。这样大家就不难理解情况二和情况三包含了情况一了。

Reference:代码随想录 (programmercarl.com)

本题学习时间:40分钟。


 LeetCode337. 打家劫舍III

链接:337. 打家劫舍 III - 力扣(LeetCode) 

大致思路

这道题目和 198.打家劫舍  213.打家劫舍II 也是如出一辙,只不过这个换成了树

如果对树的遍历不够熟悉的话,那本题就有难度了。对于树的话,首先就要想到遍历方式,前中后序(深度优先搜索)还是层序遍历(广度优先搜索);本题一定是要后序遍历,因为通过递归函数的返回值来做下一步计算

与198.打家劫舍,213.打家劫舍II一样,关键是要讨论当前节点抢还是不抢。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”);

下面详细解析三种思路的做法。

  1. 暴力递归做法
  2. 记忆化递归做法
  3. 动态规划做法

方法一:暴力递归做法

1. 思路

递归三部曲:

  1. 确定函数的参数和返回值

参数就是二叉树的根节点,返回值是得到的一晚盗取的最大金额;

  1. 确定终止条件

如果当前节点为空,返回0,如果当前节点为叶子节点,返回节点的值;

  1. 单层递归逻辑

有两种情况,讨论当前遍历的节点抢还是不抢

  • 如果抢当前遍历的节点 val1 += root.val

    那它的两个左右孩子就不可以抢,只能考虑孙子们

    • 看左孩子的左右孩子:
    if root.left:
       val1 += self.rob(root.left.left) + self.rob(root.left.right)
    
    • 看右孩子的左右孩子
     if root.right:
       val1 += self.rob(root.right.left) + self.rob(root.right.right)
    
  • 如果不抢当前遍历的节点 val2

    那它的两个左右孩子可以考虑抢

     val2 = self.rob(root.left) + self.rob(root.right)
    

return 这两种情况的最大值即可

2. 代码实现

# 方法一:暴力递归
# 单独测试可以AC,提交会超时
# time:O(2^N);space:O(logN)
# Definition for a binary tree node.
# class TreeNode(object):
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution(object):
    def rob(self, root):
        """
        :type root: TreeNode
        :rtype: int
        """
        # 终止条件
        if root == None: return 0
        if root.left == None and root.right == None: return root.val
        # 单层递归逻辑
        # 情况一:偷当前的root
        val1 = root.val
        if root.left: val1 += self.rob(root.left.left) +self.rob(root.left.right)
        if root.right: val1 += self.rob(root.right.left) + self.rob(root.right.right)
        # 情况二:不偷当前的root
        val2 = self.rob(root.left)+self.rob(root.right)
        return max(val1,val2)

3. 复杂度分析

  • 时间复杂度:O(2^N)

    N为二叉树的节点个数,每个节点都有偷和不偷两个选择,这个时间复杂度不太标准,也不容易准确化,例如越往下的节点重复计算次数就越多;

  • 空间复杂度:O(logN)

    N为二叉树的节点个数,算上递推系统栈的空间;

4. 思考与收获

  1. 当然以上代码超时了,这个递归的过程中其实是有重复计算了。我们计算了root的四个孙子(左右孩子的孩子)为头结点的子树的情况,又计算了root的左右孩子为头结点的子树的情况,计算左右孩子的时候其实又把孙子计算了一遍,所以可以用记忆化递归的方式优化,引申出第二种做法;

方法二:记忆化递归

1. 思路

可以使用一个map把计算过的结果保存一下,这样如果计算过孙子了,那么计算孩子的时候可以复用孙子节点的结果;

2. 代码实现

# 方法二:记忆化递归
# time:O(N);space:O(N)
# Definition for a binary tree node.
# class TreeNode(object):
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution(object):
    def rob(self, root):
        """
        :type root: TreeNode
        :rtype: int
        """
        # 终止条件
        Map = {}
        if root == None: return 0
        if root.left == None and root.right == None: return root.val
        if root in Map: return Map[root]
        # 单层递归逻辑
        # 情况一:偷当前的节点 val1
        val1 = root.val
        if root.left:
            val1 += self.rob(root.left.left) + self.rob(root.left.right)
        if root.right:
            val1 += self.rob(root.right.left) + self.rob(root.right.right)
        # 情况二:不偷当前节点 val2
        val2 = self.rob(root.left) + self.rob(root.right)
        # 把结果记录到Map里面去
        Map[root] = max(val1,val2)
        return max(val1,val2)

3. 复杂度分析

  • 时间复杂度:O(N)

    N为二叉树的节点个数;因为有了Map之后,每个节点只会递归的去计算一次,每次计算是常数级的加法,整体为O(N);

  • 空间复杂度:O(N)

    N为二叉树的节点个数;递归栈空间为O(logN),Map需要把每个节点的值都储存一遍,所以为O(N);

4. 思考与收获

  1. Map中的key是root,每个root是特别的,所以即使root.val是一样的也没关系;
  2. 在进入单层递归逻辑之前,需要检查一下root是否已经在Map里面(之前已经计算过了。

方法三:动态规划

1. 思路

在上面两种方法,其实对一个节点 偷与不偷得到的最大金钱都没有做记录,而是需要实时计算。

而动态规划其实就是使用状态转移容器来记录状态的变化,这里可以使用一个长度为2的数组,记录当前节点偷与不偷所得到的的最大金钱。

这道题目算是树形dp的入门题目,因为是在树上进行状态转移,我们在讲解二叉树的时候说过递归三部曲,那么下面以递归三部曲为框架,其中融合动规五部曲的内容来进行讲解

1.1 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;

class Solution:
    def rob(self, root: Optional[TreeNode]) -> int:

其实这里的返回数组就是dp数组。

1. 确定dp数组的定义

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;

1.2 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;

  2. 相当于dp数组的初始化

 # 递归终止条件,就是遇到了空节点,那肯定是不偷的
if not node: return (0, 0)

1.3 确定单层递归的逻辑

3. 确定遍历顺序

首先明确的是使用后序遍历。 因为通过递归函数的返回值来做下一步计算。

中间节点的dp数组,需要通过左节点和右节点的dp推导得到;

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。

left = self.traversal(node.left)
right = self.traversal(node.right)

4. 确定dp[i]的递推公式

还是讨论偷不偷当前节点:

  • 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在回顾一下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}

最后头结点就是 取下标0 和 下标1的最大值就是偷得的最大金钱

# 不偷当前节点, 偷子节点
val_0 = max(left[0], left[1]) + max(right[0], right[1])

# 偷当前节点, 不偷子节点
val_1 = node.val + left[0] + right[0]

return (val_0, val_1)

  5. 举例推导dp数组

以示例1为例,dp数组状态如下:(注意用后序遍历的方式推导

算法训练Day48 打家劫舍系列 | LeetCode198. 打家劫舍(普通直街道);213. 打家劫舍II(环形房屋);337. 打家劫舍III(树形房屋)_第5张图片

最后头结点就是 取下标0 和 下标1的最大值就是偷得的最大金钱;

2. 代码实现

# 方法三:动态规划dp
# time:O(N);space:O(logN)
# Definition for a binary tree node.
# class TreeNode(object):
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution(object):
    def rob(self, root):
        """
        :type root: TreeNode
        :rtype: int
        """
        dp = self.traversal(root)
        return max (dp)

    def traversal(self,root):
        # dp定义:二元组
        # dp[0] 不偷当前节点得到的最大金钱
        # dp[1] 偷当前节点得到的最大金钱
        # base case 
        # 遇到空节点,偷不偷都是0
        if root == None: return (0,0)
        # 单层递归逻辑,后序遍历
        # 左右
        left = self.traversal(root.left)
        right = self.traversal(root.right)
        # 中
        # 表示当前节点不偷,那么可以考虑偷孩子节点
        # 取孩子节点二元组的最大值即可
        val0 = max(left[0],left[1]) + max(right[0],right[1])
        # 表示当前节点偷,那么只能不偷孩子节点
        val1 = root.val + left[0] + right[0]
        # 返回当前节点的二元组
        return (val0,val1)

3. 复杂度分析

  • 时间复杂度:O(N)

    N为二叉树的节点个数;后序遍历,每个节点只遍历一次;

  • 空间复杂度:O(logN)

    N为二叉树的节点个数;算上递推系统栈的空间,每个节点的dp二元组就储存在每次递归的参数里;

4. 思考与收获

  1. 这道题是树形DP的入门题目,所谓树形DP就是在树上进行递归公式的推导。所以树形DP也没有那么神秘!只不过平时我们习惯了在一维数组或者二维数组上推导公式,一下子换成了树,就需要对树的遍历方式足够了解!
  2. 在讲解贪心专题的时候,也有类似在树上做贪心算法的题目:贪心算法:我要监控二叉树! (opens new window)也可以把这个算法起一个名字,叫做树形贪心,“树形贪心”词汇从此诞生,来自「代码随想录」;

Reference: 代码随想录 (programmercarl.com)

本题学习时间:100分钟。


本篇学习时间为3小时,总结字数近8000;主要解析了动态规划中打家劫舍这个系列的三个问题,从普通的直街道,到环形的街道,再到树形的街道,难度逐渐递增,解析非常透彻。(求推荐!)

你可能感兴趣的:(代码随想录训练营,leetcode,算法,职场和发展,动态规划,python)