美文网首页
打家劫舍3-递归到动态规划

打家劫舍3-递归到动态规划

作者: rensgf | 来源:发表于2021-04-10 15:51 被阅读0次

337. 打家劫舍

在上次打劫完一条街道之后和一圈房屋后,小偷又发现了一个新的可行窃的地区。这个地区只有一个入口,我们称之为“根”。 除了“根”之外,每栋房子有且只有一个“父“房子与之相连。一番侦察之后,聪明的小偷意识到“这个地方的所有房屋的排列类似于一棵二叉树”。 如果两个直接相连的房子在同一天晚上被打劫,房屋将自动报警。
计算在不触动警报的情况下,小偷一晚能够盗取的最高金额。
思路一:递归
1、偷该节点,则不偷左右节点,偷左右节点的左右节点。
int method1 = root.val + rob(root.left.left) + rob(root.left.right) + rob(root.right.left) + rob(root.right.right)
2、不偷该节点,则偷该节点的左右节点。
int method2 = rob(root.left) + rob(root.right);
int result = Math.max(method1, method2);

class Solution {
public:
    int rob(TreeNode* root) { 
        if(!root)
            return 0;
        int s1=root->val;
        if(root->left)
        {
            s1+=rob(root->left->left)+rob(root->left->right);
        }
        if(root->right)
        {
            s1+=rob(root->right->left)+rob(root->right->right);
        }
        int s2=rob(root->left)+rob(root->right);
        return max(s1,s2);
    }
};

递归的时间复杂度O(2^n),空间复杂度O(n)。然而,递归超时了,怎么办呢?
思路二:动态规划
可以发现,在递归时,每求一次节点金额,需要重复访问多次左右子树,所以可以提前把偷过的子树盗取的最大金额保存到一个哈希表。从底向上保存偷或不偷该节点能达到的最大金额。
以上的算法对二叉树做了一次后序遍历,时间复杂度是 O(n);由于递归会使用到栈空间,空间代价是 O(n),哈希表的空间代价也是 O(n),故空间复杂度也是 O(n)。

class Solution {
public:
    map<TreeNode*,int> m;
    int rob(TreeNode* root) { 
        if(!root)
            return 0;
        if(m[root]>0)
            return m[root];
        int s1=root->val;
        if(root->left)
        {
            s1+=rob(root->left->left)+rob(root->left->right);
        }
        if(root->right)
        {
            s1+=rob(root->right->left)+rob(root->right->right);
        }
        int s2=rob(root->left)+rob(root->right);
        m[root]=max(s1,s2);
        return m[root];
    }
};

思路三:优化动态规划
上面的方法每次保存的值为最大值,不确定是否偷该节点,还要访问孙子节点。为了简化,我们可以设计一个结构,表示某个节点的f(偷)和 g (不偷)值,在每次递归返回的时候,都把这个点对应的f(偷)和 g (不偷)返回给上一级调用,这样可以省去哈希表的空间。将每个节点偷与不偷能达到的最大金额保存为一个pair。同样,也是分两种情况:
1、偷该点
那么不能偷其左右节点;
2、不偷该点
可以偷其左右节点,也可以不偷其左右节点,按照最大值。

class Solution {
public:
    int rob(TreeNode* root) { 
        if(!root)
            return 0;
        return max(dfs(root).first,dfs(root).second);
    }
    pair<int,int> dfs(TreeNode* root){
        pair<int,int> result={0,0};
        if(!root)
            return result;
        pair<int,int> Left=dfs(root->left);
        pair<int,int> Right=dfs(root->right);
        result.first=max(Left.first,Left.second)+max(Right.first,Right.second);
        result.second=root->val+Left.first+Right.first;
        return result;
    }
};

时间复杂度:O(n)。上文中已分析。
空间复杂度:O(n)。虽然优化过的版本省去了哈希表的空间,但是栈空间的使用代价依旧是 O(n),故空间复杂度不变。

相关文章

  • 打家劫舍3-递归到动态规划

    337. 打家劫舍 在上次打劫完一条街道之后和一圈房屋后,小偷又发现了一个新的可行窃的地区。这个地区只有一个入口,...

  • 动态规划——打家劫舍

    这道题也算是一道挺经典的题,即使不了解动态规划的人肯定也见过这道题。先来看代码 这里还有第二种解法,算法思想依然是...

  • [动态规划]-打家劫舍

    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...

  • 2022-02-19 动态规划高频题专题【1】

    动态规划基本类型 dp基础 背包问题 打家劫舍 股票问题 子序列问题 进阶动态规划 深入理解动态规划过程 定义dp...

  • 动态规划之——打家劫舍

    LeetCode198. 打家劫舍 题目描述: 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,...

  • 动态规划之打家劫舍

    题目 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...

  • 走楼梯——二维有障碍走楼梯(五)

    LeetCode_63_UniquePathsII 题目分析: 解法一:循环-动态规划 解法二:循环-动态规划-递...

  • 动态规划(六)

    这一次我们来看看动态规划中打家劫舍这一类的问题,在LeetCode中这类问题有:第198题:打家劫舍 https:...

  • LeetCode-打家劫舍(动态规划)

    题目链接 => 戳这里 解法

  • 初级算法-动态规划-打家劫舍

    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...

网友评论

      本文标题:打家劫舍3-递归到动态规划

      本文链接:https://www.haomeiwen.com/subject/cfxgkltx.html