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
链接:198. 打家劫舍 - 力扣(LeetCode)
打家劫舍是dp解决的经典问题,动规五部曲分析如下:
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];
决定dp[i]的因素就是第i房间偷还是不偷。
然后dp[i]取最大值,即dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);
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]);
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!
以示例二,输入[2,7,9,3,1]为例。红框dp[nums.size() - 1]为结果。
# 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]
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;
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
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;
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。
链接:213. 打家劫舍 II - 力扣(LeetCode)
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:
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。
# 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]
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;
Reference:代码随想录 (programmercarl.com)
本题学习时间:40分钟。
链接:337. 打家劫舍 III - 力扣(LeetCode)
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。
递归三部曲:
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;
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;
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
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)
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
# 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)
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;
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;
# 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)
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);
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。
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;
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)
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:
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)
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;
# 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)
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;
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!)