【算法解析LeetCode by Javascript】213. 打家劫舍 II
【算法解析LeetCode by Javascript】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，能够偷窃到的最高金额。
示例 1:
输入: [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。 示例 2:
输入: [1,2,3,1] 输出: 4 解释: 你可以先偷窃 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 。
解析
此题为典型的动态规划问题，但是我们需要考虑几种特殊情况
此题为一个环，所以两端不可并行探索，所以分为两种情况，
第一种 探索 0 - （length - 2） 第二种 探索 1 - （length - 1）
在考虑只有长度为1或2的时候
综合考虑
先放出所有代码
/**
* @param {number[]} nums
* @return {number}
*/
var rob = function(nums) {
//特殊情况
const len = nums.length
if (len === 0) return 0
if (len === 1) return nums[0]
if (len === 2) return Math.max(nums[0], nums[1])
const rob = function(nums, start, end) {
let pMax = nums[start]
let cMax = Math.max(pMax, nums[start + 1])
for (let i = start + 2; i <= end; i++) {
console.log(i,cMax,pMax)
let tmp = cMax
cMax = Math.max((pMax +nums[i]), cMax)
pMax = tmp
}
return cMax
}
return Math.max(rob(nums, 0, len-2), rob(nums, 1, len-1))
};动态规划函数为 rob
详细解析下rob
先科普下动态规划思想
动态规划(dynamic programming)是运筹学的一个分支，是求解决策过程(decision process)最优化的数学方法。20世纪50年代初美国数学家R.E.Bellman等人在研究多阶段决策过程(multistep decision process)的优化问题时，提出了著名的最优化原理(principle of optimality)，把多阶段过程转化为一系列单阶段问题，利用各阶段之间的关系，逐个求解，创立了解决这类过程优化问题的新方法——动态规划。1957年出版了他的名著《Dynamic Programming》，这是该领域的第一本著作。
简单来说，动态规划就是寻找每个阶段的最优解
那我们先按照第一种情况分析下(从0 到 length - 2)
假设我们进行测试的数组为 [3,1,5,12,6,8,13,2] 那我们探索 首先我们进行前两个的探索，然后每加一个数，进行两种情况的比较，选出局部最优解 【3，1】最优解为3 前最优解为3 【3，1，5】最优解为8 前最优解为3 【3 + 5】 【3，1，5，12】最优解为 3 + 12 = 15 > 8 最优解为 【3 + 12】前最优解为8 【3，1，5，12，6】最有解为 15 > 8 + 6 最优解为 【3 + 12】前最优解为 15 【3，1，5，12，6，8】最优解为 15 + 8 > 15 最优解为 【3 + 12 + 8】为23 前最优解为15 【3，1，5，12，6，8，13】最优解为 15 + 13 > 23 最优解为 【3 + 12 + 13】前最优解为23 【3，1，5，12，6，8，13，2】最优解为 28 > 23 + 2 最优解为 【3 + 12 + 13】
依次类推 保证每个阶段都有最优解
最终提交
通过