继续浏览精彩内容
慕课网APP
程序员的梦工厂
打开
继续
感谢您的支持,我会继续努力的
赞赏金额会直接到老师账户
将二维码发送给自己后长按识别
微信支付
支付宝支付

力扣337——打家劫舍 III

健程之道
关注TA
已关注
手记 62
粉丝 2
获赞 16

这一篇也是基于"打家劫舍"的扩展,需要针对特殊情况特殊考虑,当然其本质还是动态规划,优化时需要考虑数据结构。

原题

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。

示例 1:

输入: [3,2,3,null,3,null,1]

     3
    / \
   2   3
    \   \ 
     3   1

输出: 7 
解释: 小偷一晚能够盗取的最高金额 = 3 + 3 + 1 = 7.

示例 2:

输入: [3,4,5,1,3,null,1]

     3
    / \
   4   5
  / \   \ 
 1   3   1

输出: 9
解释: 小偷一晚能够盗取的最高金额 = 4 + 5 = 9.

解题

先给出树节点的结构:

public class TreeNode {
    int val;
    TreeNode left;
    TreeNode right;
    TreeNode(int x) { val = x; }
}

简单思路

这道题简单来说,就是如果存在父节点、子节点、孙子节点三层的话,要么偷父节点 + 孙子节点,要么只偷子节点

顺着这个思路,我们只要找出每个节点所能偷到的最大值,自然也就能找出从 root 节点开始偷的最大值了。

接下来我们看看代码:

class Solution {

    Map<TreeNode, Integer> cache = new HashMap<>();

    public int rob(TreeNode root) {
        if (root == null) {
            return 0;
        }
        // 是否已经计算过
        if (cache.containsKey(root)) {
            return cache.get(root);
        }

        // 策略1:抢当前节点和孙子节点
        int sum1 = root.val + 
            // 左子节点的子节点们
            (root.left == null ? 0 : (rob(root.left.left) + rob(root.left.right))) +
            // 右子节点的子节点们
            (root.right == null ? 0 : (rob(root.right.left) + rob(root.right.right)));
        // 策略2:只抢子节点
        int sum2 = rob(root.left) + rob(root.right);
        // 找出更大的值
        int sum = Math.max(sum1, sum2);
        // 并记录
        cache.put(root, sum);
        return sum;
    }
}

提交OK,执行用时:5 ms,只战胜了52.00%的 java 提交记录,因此还是有值得优化的地方。

优化

上面的解法,如果说有什么值得优化的地方,就是在于我们在动态规划时,不仅考虑了子节点,甚至也考虑到了孙子节点,因此当 子节点 变成 父节点 之后,孙子节点 也变成了 子节点。

也就是说,一开始的孙子节点被计算了两遍。虽然我们借用了一个 map 来记录了中间结果,但我们需要注意,这种情况依旧会被计算,只是代价被转移到了针对 map 的操作,这也是需要消耗时间的。

那么现在的优化,就转变成针对中间状态的记录上了。

其实我们针对每个节点的状态,只需要记录两种情况:抢或者不抢。而且这个状态只会被父节点用到,并不需要永久保留。因此我们考虑用一个长度为 2 的数组进行记录,这样就会快捷很多。

接下来我们看看代码:

class Solution {
    public int rob(TreeNode root) {
        // index为0,代表不抢当前节点的最大值
        // index为1,代表抢当前节点,不抢子节点的最大值
        int[] res = dp(root);
        return Math.max(res[0], res[1]);

    }

    public int[] dp(TreeNode cur) {
        if(cur == null) {
            return new int[]{0,0};
        }
        
        int[] left = dp(cur.left);
        int[] right = dp(cur.right);
        // 抢当前节点,子节点都不抢
        int rob = cur.val + left[0] +right[0];
        // 不抢当前节点,获取左右子节点各自的最大值
        int notRob = Math.max(left[0], left[1]) + Math.max(right[0], right[1]);
        // 返回结果 
        return new int[]{notRob, rob};

    }
}

提交OK,时间消耗只有1 ms,确实快了很多。

总结

以上就是这道题目我的解答过程了,不知道大家是否理解了。这道题主要还是利用动态规划,只是需要大家进行思路转化,优化时需要考虑的更多是对数据结构的理解。

有兴趣的话可以访问我的博客或者关注我的公众号、头条号,说不定会有意外的惊喜。

公众号:健程之道

打开App,阅读手记
0人推荐
发表评论
随时随地看视频慕课网APP