代码随想录算法训练营第42天| 198.打家劫舍、213.打家劫舍II 337.打家劫舍III、 337.打家劫舍III

news2025/1/11 0:36:07

198.打家劫舍

题目链接:198.打家劫舍
文档讲解:代码随想录
状态:不会

记忆化搜索思路:
可以从最后一间房子开始,每次面对一个房子要考虑打劫还是不打劫,如果打劫了就从它的下下个房子开始打劫,在这个过程中打劫还是不打劫可以组成一个二叉树。如图,val是索引
在这里插入图片描述
在这里插入图片描述
然后这个过程中可以使用记忆化搜索来记录已经算过的值,从而实现剪枝。

动态规划思路:
和上面的想法类似,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。

递推公式:dp[i] = max(dp[i - 2] + nums[i], dp[i - 1]);

不同题解:

    //记忆化搜索
    public int rob0(int[] nums) {
        int n = nums.length;
        int[] memo = new int[n];
        Arrays.fill(memo, -1);
        return dfs(nums, memo, n - 1); // 从最后一个房子开始思考,选和不选可以组成一个二叉树,利用记忆化搜索对二叉树剪枝
    }

    public int dfs(int[] nums, int[] memo, int i) {
        if (i < 0) {
            return 0;
        }
        if (memo[i] != -1)
            return memo[i];
        memo[i] = Math.max(dfs(nums, memo, i - 1), dfs(nums, memo, i - 2) + nums[i]);
        return memo[i];
    }

    //动态规划
    public int rob1(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];
    }

    //优化空间
    public int rob2(int[] nums) {
        if (nums.length == 1) {
            return nums[0];
        }
        int[] dp = new int[3];
        dp[0] = nums[0];
        dp[1] = Math.max(nums[0], nums[1]);
        dp[2] = dp[1];
        for (int i = 2; i < nums.length; i++) {
            dp[2] = Math.max(dp[1], dp[0] + nums[i]);
            dp[0] = dp[1];
            dp[1] = dp[2];
        }
        return dp[2];
    }

213.打家劫舍II

在这里插入图片描述

题目链接:213.打家劫舍II
文档讲解:代码随想录
状态:不会

思路:连成环之后就导致了第一个和最后一个房间最多只能同时打劫一次,其他位置就没有影响了。所以可以将环拆成两个队列,如图所示:
在这里插入图片描述
在这里插入图片描述
剩下的和198.打家劫舍 就是一样的了。

题解:

    public int rob(int[] nums) {
        if (nums.length == 1) {
            return nums[0];
        }
        int res1 = robby(Arrays.copyOfRange(nums, 0, nums.length - 1));
        int res2 = robby(Arrays.copyOfRange(nums, 1, nums.length));
        return Math.max(res2, res1);
    }


    public int robby(int[] nums) {
        if (nums.length == 1) {
            return nums[0];
        }
        int pre2 = nums[0];
        int pre1 = Math.max(nums[0], nums[1]);
        for (int i = 2; i < nums.length; i++) {
            int cur = Math.max(pre1, pre2 + nums[i]);
            pre2 = pre1;
            pre1 = cur;
        }
        return pre1;
    }

337.打家劫舍III

在这里插入图片描述
在这里插入图片描述

题目链接:337.打家劫舍III
文档讲解:代码随想录
状态:不会

思路:
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。

如果还是利用考虑i-1和考虑i-2的思路的话,就需要考虑儿子节点和儿子的儿子节点,但是这样最多需要考虑四个节点的情况,所以可以将选和不选该节点的最大和作为返回值,这样就不要考虑儿子的儿子了。
在这里插入图片描述
在这里插入图片描述
题解:

  // 在二叉树中可以偷窃的最大金额
    public int rob(TreeNode root) {
        // 调用深度优先搜索函数获取结果数组
        int[] res = dfs(root);
        // 返回可以偷窃的最大金额,即res[0]和res[1]中的最大值
        return Math.max(res[0], res[1]);
    }

    // 深度优先搜索函数,后序遍历,返回一个数组,数组的两个元素分别表示
    // res[0]: 偷当前节点的最大金额
    // res[1]: 不偷当前节点的最大金额
    public int[] dfs(TreeNode root) {
        // 如果当前节点为空,返回{0, 0}
        if (root == null) {
            return new int[]{0, 0};
        }
        // 递归计算左子树的结果
        int[] left = dfs(root.left);
        // 递归计算右子树的结果
        int[] right = dfs(root.right);
        // 计算偷当前节点的最大金额
        // 等于左子树不偷的最大金额 + 右子树不偷的最大金额 + 当前节点的值
        int rob = left[1] + right[1] + root.val;
        // 计算不偷当前节点的最大金额
        // 等于左子树和右子树的最大金额(不管偷还是不偷)
        int notRob = Math.max(left[0], left[1]) + Math.max(right[0], right[1]);
        // 返回当前节点的结果数组
        return new int[]{rob, notRob};
    }

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1889306.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

idea Git操作

1、代码拉取&#xff08;左上角&#xff09; 或 2、代码push&#xff08;左上角&#xff09; 3、切换分支&#xff08;右下角&#xff09; 4、分支管理 5、当前分支和某一个分支对比差异 6、当前分支某一个提交需要恢复成提交前状态&#xff08;revert&#xff09; 7、其他分…

Python处理浮点数的实用技巧

更多Python学习内容&#xff1a;ipengtao.com 四舍五入是一种常见的数学操作&#xff0c;它用于将数字舍入到指定的精度。Python 提供了多种方法来实现四舍五入操作&#xff0c;从基本的 round 函数到高级的 decimal 模块&#xff0c;满足不同的需求。本文将详细介绍这些方法&a…

Profibus DP主站转Modbus网关连接伺服与电机通讯

在工业自动化领域&#xff0c;将Profibus DP主站转Modbus网关&#xff08;XD-MDPBM20&#xff09;用于连接伺服与电机通讯是一种常见且重要的应用方式。当使用Profibus DP主站转Modbus网关&#xff08;XD-MDPBM20&#xff09;连接伺服与电机进行通讯时&#xff0c;可以参考以下…

使用代理,在Mapper层面统一封装VO、Entity 之间的转换逻辑

无聊看看开源项目&#xff0c;无意间看到里面的业务代码用到了BaseMapperPlus&#xff0c;于是点进去发现里面封装了Vo、Entity 之间的转换逻辑。想着自己平时都是手动的进行 copy 转换来着。于是本地进行验证了一番&#xff0c;发现还挺好用的&#xff0c;懒人必备。但是前提是…

MySQL 9.0 悄悄上线,支持面向AI的向量数据库

MySQL狂热粉丝群已经发现MySQL官网上MySQL9.0这两天悄然上线&#xff0c;已经可以下载体验了&#xff0c;目前被定义为创新版本&#xff08;Innovation&#xff09;。 下载地址&#xff1a;https://dev.mysql.com/downloads/mysql/ 支持主流的操作系统&#xff0c;安装后可以直…

101 个现实世界的新一代 AI 用例

自从一年半前生成式人工智能首次引起世界关注以来&#xff0c;人们一直在热烈讨论这项新技术的最佳用途。虽然我们都喜欢早期的有趣聊天和诙谐的打油诗&#xff0c;但我们很快发现&#xff0c;许多最大的人工智能机会显然都在企业中。 短短几个月内&#xff0c;这些组织就从 A…

tcp/ip, http 等协议的端口号

每当看到有人的简历上写着熟悉 tcp/ip, http 等协议时, 我就忍不住问问他们: 你给我说说, 端口是啥吧! 可惜, 很少有人能说得让人满意... 所以这次就来谈谈端口(port), 这个熟悉的陌生人. 在此过程中, 还会谈谈间接层, naming service 等概念, IoC, 依赖倒置等原则以及 TCP 协议…

大模型应用:一文搞懂Fine-tuning,模型微调有啥好处,从理论到实操

前言 我们前面几篇博文中出现的大模型&#xff0c;都是通用的大模型。但在更专业的领域&#xff0c;需要更专业的模型&#xff0c;这就需要用到模型微调的能力。 从NLP范式发展的趋势来看&#xff0c;prompt模型的方式已经成为主流&#xff0c;prompt learning已经很成熟了&a…

Linux 搭建 Kafka 环境 - 详细教程

目录 一. Kafka介绍 1. 应用场景 2. 版本对比 二. Kafka安装 1. 前置环境 &#xff08;1&#xff09;安装JDK 2. 软件安装 &#xff08;3&#xff09;环境变量配置 &#xff08;3&#xff09;服务启动 三. Console测试 基础命令 &#xff08;1&#xff09;列出Kafk…

大模型分布式训练的第四种境界

主要内容包括&#xff1a; \1. 历史背景 \2. 分布式训练挑战 \3. 分布式训练技术体系 \4. 未来挑战 \5. Q&A 01 历史背景 自 2019 年以来&#xff0c;大语言模型发展迅猛&#xff0c;不断有新的研究成果涌现&#xff0c;包括各类预训练模型及其应用&#xff0c;如 LL…

Vue86-Vuex中的getters属性

一、getters的使用 1-1、index.js中getters的书写 计算属性computed靠return获得返回值&#xff01; 1-2、组件中getters的调用 state是数据源&#xff0c;getters是拿着数据源里的东西进行一番加工。像极了&#xff1a;data和computed 二、小结

从0到1手写vue源码

模版引擎 数组join法(字符串) es6反引号法(模版字符串换行) mustache (小胡子) 引入mustache 模版引擎的使用 mustache.render(templatestr,data)

从零开始学LangChain(3):数据接入层

LangChain 主体分为 6 个模块&#xff0c;分别是对&#xff08;大语言&#xff09;模型输入输出的管理、外部数据接入、链的概念、&#xff08;上下文记忆&#xff09;存储管理、智能代理以及回调系统&#xff0c;通过文档的组织结构&#xff0c;你可以清晰了解到 LangChain的侧…

视频网关的作用

在数字化时代&#xff0c;视频通信已经成为了人们日常生活和工作中的重要部分。为了满足不同设备和平台之间的视频通信需求&#xff0c;各种视频协议应运而生。然而&#xff0c;这些协议之间的差异使得相互通信变得复杂。因此&#xff0c;视频网关作为一种重要的网络设备&#…

2024年【安全生产监管人员】考试题及安全生产监管人员试题及解析

题库来源&#xff1a;安全生产模拟考试一点通公众号小程序 安全生产监管人员考试题根据新安全生产监管人员考试大纲要求&#xff0c;安全生产模拟考试一点通将安全生产监管人员模拟考试试题进行汇编&#xff0c;组成一套安全生产监管人员全真模拟考试试题&#xff0c;学员可通…

65.Python-web框架-Django-免费模板django-datta-able的admin_datta

目录 1.起源 2.admin_datta admin_datta\urls.py admin_datta\views.py 1.起源 前面有一篇文章介绍了django-datta-able&#xff1a;54.Python-web框架-Django-免费模板django-datta-able_danjon web框架商用免费-CSDN博客 页面是这个样子。 从template\include\sidebar.…

人民数据“数据资产入表高级研修班”正式上线

人民数据与北京龙腾亚太教育咨询有限公司定于8月10日至8月11日联合举办“数据资产入表高级研修班”&#xff0c;欢迎报名。 课程介绍&#xff1a; 01 公共数据的价格形成与价值评估 02 数据资产化实践探索 03《企业数据资源相关会计处理暂行规定》要点解析与入表意义 04 …

干式电抗器与油浸电抗器有什么区别?

干式电抗器和油浸电抗器是电力系统中常用的两种电抗器&#xff0c;它们在结构、性能、应用等方面存在一定的区别。 1. 结构上的区别&#xff1a; 干式电抗器主要由线圈、铁芯和绝缘材料组成&#xff0c;没有油箱&#xff0c;线圈和铁芯直接暴露在空气中。因此&#xff0c;干式…

详解微服务应用灰度发布最佳实践

作者&#xff1a;子丑 本次分享是站在 DevOps 视角的灰度发布实践概述&#xff0c;主要内容包括以下四个方面&#xff1a; 第一&#xff0c;灰度发布要解决的问题&#xff1b; 第二&#xff0c;灰度发布的四种典型场景&#xff1b; 第三&#xff0c;如何把灰度发布融入到应…

【FFmpeg】avcodec_send_frame函数

目录 1.avcodec_send_frame1.1 将输入的frame存入内部buffer&#xff08;encode_send_frame_internal&#xff09;1.1.1 frame的引用函数&#xff08;av_frame_ref &#xff09;1.1.1.1 帧属性的拷贝&#xff08;frame_copy_props&#xff09;1.1.1.2 buffer的引用函数&#xf…