备战秋招60天算法挑战,Day32

2024-09-05 21:44

本文主要是介绍备战秋招60天算法挑战,Day32,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

题目链接: https://leetcode.cn/problems/house-robber-ii/

视频题解: https://www.bilibili.com/video/BV1WRYKeKEQE/

LeetCode 213. 打家劫舍 II

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。这个地方所有的房屋都 围成一圈 ,这意味着第一个房屋和最后一个房屋是紧挨着的。同时,相邻的房屋装有相互连通的防盗系统,如果两间相邻的房屋在同一晚上被小偷闯入,系统会自动报警

给定一个代表每个房屋存放金额的非负整数数组,计算你 在不触动警报装置的情况下 ,今晚能够偷窃到的最高金额。

举个例子:

输入: nums = [2,3,2]
输出: 3
解释: 你不能先偷窃 1 号房屋(金额 = 2),然后偷窃 3 号房屋(金额 = 2), 因为他们是相邻的。

视频题解

打家劫舍 II

思路来源

思路来源

知识回顾

动态规划是一种通过将原问题分解为子问题来求解复杂问题的算法思想。它通常用于求解最优化问题,例如最长公共子序列、背包问题等。动态规划的核心思想是将原问题分解为若干个子问题,通过求解子问题的最优解推导出原问题的最优解。可以通过两点来判断一个问题能不能通过动态规划来解,一是该问题是否存在递归结构,二是对应的子问题能否记忆化。动态规划可以通过带备忘录的自上而下的递归自下而上的迭代来分别实现。由于递归需要用到栈来实现,一些语言对递归的深度是有限制的,所以自下而上的迭代是动态规划的最佳实现方式

思路解析

本题是一道经典的动态规划问题,要找到解决动态规划问题的两个突破点:推导出状态转移公式边界条件处理

本题是「198.打家劫舍」的进阶版,他们之间唯一的区别是房子变成了首尾相连,因为第1间房第n间房相连,我们需要考虑要不要偷第1间房

  1. 如果偷第1间房,那么第n间房一定不能偷。这个时候我们可以偷的区间就变成[0,n-1]
  2. 如果不偷第1间房,那么我们可以偷的区间就变成[1,n]

最终就变成了求[0,n-1][1,n]这两个非首尾相连区间能够偷窃到的最高金额,这样就可以复用「198.打家劫舍」的思路。

首先定义dp[n]表示总共有n间房所能偷到的最高金额。

对于非首尾相连的数组nums=[1, 2, 3, 1]其所以可能的打劫路线如下:

根节点到叶子节点就是一条偷盗路线,每个节点表示偷到的总金额,对于上面的例子dp[4] = 4

状态转移公式需要分两种情况讨论:

  • 偷盗路线包含第4间房nums[3]),根据规则这个时候第3间房nums[2])一定是没有被偷的,那么前2间房偷到的最大金额加上第4间房偷到的金额有可能是前4间房偷的最大金额dp[4] = dp[2] + nums[3]
  • 偷盗路线不包含第4间房nums[3]),这个时候前3间房偷到的最大金额有可能也是前4间房偷的最大金额dp[4] = dp[3]

上面两种情况选取最大值就可以得到4间房偷到的最大金额dp[4]=max(dp[2] + nums[3], dp[3]);

扩展到一般情况dp[n]可以分解为dp[n-1]dp[n-2]两个子问题的组合,得到状态转移公式

dp[n] = max{dp[n-2] + nums[n-1], dp[n-1]}

其中dp[n-2] + nums[n-1]表示偷第n间房整条路线可以偷到的最大金额。 dp[n-1]表示不偷第n间房整条路线可以偷到的最大金额。

对于边界条件 dp[0] = 0dp[1] = nums[0]dp[2] = max{nums[0], nums[1]}

C++ 代码

class Solution {
public:int rob(vector<int>& nums) {int nums_len = nums.size();if (nums_len == 0) return 0;if (nums_len == 1) return nums[0];return max(help(nums, 0, nums_len - 1), help(nums, 1, nums_len - 1));}int help(vector<int>& nums, int start, int len) {if (len == 0) {return 0;}if (len == 1) {return nums[start];}vector<int> dp(len + 1, 0);//边界条件dp[1] = nums[start];dp[2] = max(nums[start], nums[start + 1]);for (int i = start + 3; i < start + len + 1; ++i) {//状态转移公式dp[i - start] = max(dp[i - start - 1], dp[i - start - 2] + nums[i - 1]);}return dp[len];}
};

java代码

class Solution {public int rob(int[] nums) {int nums_len = nums.length;if (nums_len == 0) return 0;if (nums_len == 1) return nums[0];return Math.max(help(nums, 0, nums_len - 1), help(nums, 1, nums_len - 1));}public int help(int[] nums, int start, int len) {if (len == 0) {return 0;}if (len == 1) {return nums[start];}int[] dp = new int[len + 1];// 边界条件dp[1] = nums[start];dp[2] = Math.max(nums[start], nums[start + 1]);for (int i = start + 3; i < start + len + 1; ++i) {// 状态转移公式dp[i - start] = Math.max(dp[i - start - 1], dp[i - start - 2] + nums[i - 1]);}return dp[len];}
}

python代码

class Solution:def rob(self, nums: List[int]) -> int:nums_len = len(nums)if nums_len == 0:return 0if nums_len == 1:return nums[0]return max(self.help(nums, 0, nums_len - 1), self.help(nums, 1, nums_len - 1))def help(self, nums: List[int], start: int, length: int) -> int:if length == 0:return 0if length == 1:return nums[start]dp = [0] * (length + 1)# 边界条件dp[1] = nums[start]dp[2] = max(nums[start], nums[start + 1])for i in range(start + 3, start + length + 1):# 状态转移公式dp[i - start] = max(dp[i - start - 1], dp[i - start - 2] + nums[i - 1])return dp[length]

复杂度分析

时间复杂度: 只需要遍历两遍数组nums,所以时间复杂度为O(n)nnums的长度。

空间复杂度: 需要借助一个dp数组,空间复杂度为O(n)nnums的长度。

实现优化

上面的空间复杂度是O(n),其实根据状态转移公式的特点,当前的状态只依赖前面的两个状态,我们可以不使用数组保存所有的状态,使用两个整型变量prenext来实现help函数。

c++代码

class Solution {
public:int rob(vector<int>& nums) {int nums_len = nums.size();if (nums_len == 0) return 0;if (nums_len == 1) return nums[0];return max(help(nums, 0, nums_len - 1), help(nums, 1, nums_len - 1));}int help(vector<int>& nums, int start, int len) {if (len == 0) {return 0;}if (len == 1) {return nums[start];}//边界条件int pre = nums[start];int next = max(nums[start], nums[start + 1]);for (int i = start + 2; i < start + len; ++i) {//状态转移公式int temp = next; next = max(pre + nums[i], next);pre = temp;}return next;}
};

java代码

class Solution {public int rob(int[] nums) {int nums_len = nums.length;if (nums_len == 0) return 0;if (nums_len == 1) return nums[0];return Math.max(help(nums, 0, nums_len - 1), help(nums, 1, nums_len - 1));}public int help(int[] nums, int start, int len) {if (len == 0) {return 0;}if (len == 1) {return nums[start];}// 边界条件int pre = nums[start];int next = Math.max(nums[start], nums[start + 1]);for (int i = start + 2; i < start + len; ++i) {// 状态转移公式int temp = next;next = Math.max(pre + nums[i], next);pre = temp;}return next;}
}

python代码

class Solution:def rob(self, nums: List[int]) -> int:nums_len = len(nums)if nums_len == 0:return 0if nums_len == 1:return nums[0]return max(self.help(nums, 0, nums_len - 1), self.help(nums, 1, nums_len - 1))def help(self, nums: List[int], start: int, length: int) -> int:if length == 0:return 0if length == 1:return nums[start]# 边界条件pre = nums[start]next = max(nums[start], nums[start + 1])for i in range(start + 2, start + length):# 状态转移公式temp = nextnext = max(pre + nums[i], next)pre = tempreturn next

优化后复杂度分析

时间复杂度: 只需要遍历两遍数组nums,所以时间复杂度为O(n)nnums的长度。

空间复杂度: 只借助了几个整型变量,空间复杂度为O(1)

这篇关于备战秋招60天算法挑战,Day32的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1140148

相关文章

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.

golang字符串匹配算法解读

《golang字符串匹配算法解读》文章介绍了字符串匹配算法的原理,特别是Knuth-Morris-Pratt(KMP)算法,该算法通过构建模式串的前缀表来减少匹配时的不必要的字符比较,从而提高效率,在... 目录简介KMP实现代码总结简介字符串匹配算法主要用于在一个较长的文本串中查找一个较短的字符串(称为

通俗易懂的Java常见限流算法具体实现

《通俗易懂的Java常见限流算法具体实现》:本文主要介绍Java常见限流算法具体实现的相关资料,包括漏桶算法、令牌桶算法、Nginx限流和Redis+Lua限流的实现原理和具体步骤,并比较了它们的... 目录一、漏桶算法1.漏桶算法的思想和原理2.具体实现二、令牌桶算法1.令牌桶算法流程:2.具体实现2.1

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例:使用随机森林预测鸢尾花品种4.1

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

跨国公司撤出在华研发中心的启示:中国IT产业的挑战与机遇

近日,IBM中国宣布撤出在华的两大研发中心,这一决定在IT行业引发了广泛的讨论和关注。跨国公司在华研发中心的撤出,不仅对众多IT从业者的职业发展带来了直接的冲击,也引发了人们对全球化背景下中国IT产业竞争力和未来发展方向的深思。面对这一突如其来的变化,我们应如何看待跨国公司的决策?中国IT人才又该如何应对?中国IT产业将何去何从?本文将围绕这些问题展开探讨。 跨国公司撤出的背景与

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个