[leetcode]198. 打家劫舍

最新推荐文章于 2022-11-07 12:10:20 发布

原创最新推荐文章于 2022-11-07 12:10:20 发布 · 189 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#leetcode

leetcode 专栏收录该内容

67 篇文章

订阅专栏

本文探讨了如何使用动态规划解决打家劫舍问题，通过避免触发相邻房屋的报警系统，实现最大化的盗窃金额。提供了Java和Python代码示例，详细解释了动态规划的思路和算法实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

个人博客：https://javaniuniu.com/
难度：简单
本题涉及算法： 动态规划
思路：动态规划
类似题型：
- 213. 打家劫舍 II

题目 198. 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，能够偷窃到的最高金额。

示例 1:

输入: [1,2,3,1]
输出: 4
解释: 偷窃 1 号房屋 (金额 = 1) ，然后偷窃 3 号房屋 (金额 = 3)。
     偷窃到的最高金额 = 1 + 3 = 4 。

示例 2:

输入: [2,7,9,3,1]
输出: 12
解释: 偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9)，接着偷窃 5 号房屋 (金额 = 1)。
     偷窃到的最高金额 = 2 + 9 + 1 = 12 。

方法一动态规划

如图

在这里插入图片描述

java

class Solution {
    public int rob(int[] nums) {
        int len = nums.length;

        if (len == 0) {
            return 0;
        }
        if (len == 1) {
            return nums[0];
        }

        int[] dp = new int[len];

        dp[0] = nums[0];
        dp[1] = Math.max(nums[0], nums[1]);

        for (int i = 2; i < len; i++) {
            dp[i] = Math.max(dp[i - 1], dp[i - 2] + nums[i]);
        }

        return dp[len - 1];
    }
}

python

class Solution(object):
    def rob(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        len_nums = len(nums)

        if not nums: # 当没有可抢房间
            return 0
        if len_nums == 1: # 当只有一家可抢
            return nums[0]

        dp = [0] * len_nums

        dp[0] = nums[0]
        dp[1] = max(nums[0],nums[1])

        for i in range(2,len_nums):
            dp[i] = max(dp[i-1],dp[i-2]+nums[i])
        return dp[len_nums-1]