【LeetCode】动态规划—337. 打家劫舍 III(附完整Python/C++代码)
动态规划—337. 打家劫舍 III
题目描述
前言
打家劫舍 III 是 打家劫舍 系列问题中的一个变种。这里的房屋排列不再是线性排列,而是形成了一棵二叉树,每个节点代表一个房子,每个房子内有一定的钱。相邻的房子(即父子关系)不能同时被抢。我们的目标是找出在这棵二叉树中,能够抢劫到的最大金额。
基本思路
1. 问题定义
给定一个二叉树结构,每个节点表示一个房子,房子里有一定的钱,要求我们在不抢劫相邻房子的情况下,抢劫到的最大金额。
二叉树的限制:
- 每个房子与其子房子相邻,如果父节点被抢劫,那么子节点不能被抢。
- 可以选择抢劫或不抢劫某个房子。
2. 理解问题和递推关系
核心思路:
对于每个节点,我们有两种选择:
- 抢劫当前节点:如果抢劫当前节点,那么它的左右子节点不能被抢劫。
- 不抢劫当前节点:如果不抢劫当前节点,那么我们可以选择是否抢劫它的左右子节点。
状态定义:
- 对于每个节点
root
,我们定义两个状态:rob(root)
:表示抢劫当前节点时能够获得的最大收益。not_rob(root)
:表示不抢劫当前节点时能够获得的最大收益。
状态转移方程:
-
如果抢劫当前节点:那么最大收益为当前节点的值
root.val
加上不抢劫左右子节点的收益:
r o b ( r o o t ) = r o o t . v a l + n o t _ r o b ( r o o t . l e f t ) + n o t _ r o b ( r o o t . r i g h t ) rob(root) = root.val + not\_rob(root.left) + not\_rob(root.right) rob(root)=root.val+not_rob(root.left)+not_rob(root.right) -
如果不抢劫当前节点:那么最大收益为抢劫或不抢劫左右子节点中的最大值:
n o t _ r o b ( r o o t ) = max ( r o b ( r o o t . l e f t ) , n o t _ r o b ( r o o t . l e f t ) ) + max ( r o b ( r o o t . r i g h t ) , n o t _ r o b ( r o o t . r i g h t ) ) not\_rob(root) = \max(rob(root.left), not\_rob(root.left)) + \max(rob(root.right), not\_rob(root.right)) not_rob(root)=max(rob(root.left),not_rob(root.left))+max(rob(root.right),not_rob(root.right))
递归求解:
我们从树的根节点开始,递归地计算每个节点的抢劫和不抢劫情况下的最大收益。最终的结果是根节点抢劫和不抢劫情况下的最大值。
3. 解决方法
递归 + 动态规划方法
- 对于每个节点,使用递归来计算它的抢劫和不抢劫情况下的最大收益。
- 使用
postorder
(后序遍历)的方式,先计算子节点的收益,再计算父节点的收益。 - 递归的终止条件是到达叶子节点的空节点,返回
(0, 0)
,即抢劫和不抢劫的收益都是 0。
伪代码:
function rob(root):
if root is None:
return (0, 0)
left = rob(root.left)
right = rob(root.right)
rob_current = root.val + left[1] + right[1]
not_rob_current = max(left[0], left[1]) + max(right[0], right[1])
return (rob_current, not_rob_current)
result = rob(root)
return max(result[0], result[1])
4. 进一步优化
- 空间优化:由于我们是通过递归的方式求解,每个节点只需要存储它左右子节点的结果,因此不需要额外的存储空间,空间复杂度可以保持在
O(h)
,其中h
是树的高度。 - 时间复杂度:时间复杂度为
O(n)
,因为每个节点只被遍历一次。
5. 小总结
- 问题思路:通过动态规划自底向上的递归求解树中每个节点的最大收益。
- 递归的应用:后序遍历是解决树结构动态规划问题的常用方式,因为我们需要先计算子节点的结果,再计算父节点的结果。
- 时间复杂度:时间复杂度为
O(n)
,适合处理大规模的二叉树输入。
以上就是打家劫舍 III问题的基本思路。
Python代码
class Solution:
def rob(self, root: TreeNode) -> int:
# 返回 (抢劫当前节点的最大收益, 不抢劫当前节点的最大收益)
def helper(node):
if not node:
return (0, 0)
left = helper(node.left)
right = helper(node.right)
# 抢劫当前节点的收益
rob_current = node.val + left[1] + right[1]
# 不抢劫当前节点的收益
not_rob_current = max(left[0], left[1]) + max(right[0], right[1])
return (rob_current, not_rob_current)
# 计算根节点的抢劫与不抢劫的最大收益
result = helper(root)
# 返回两种情况中的最大值
return max(result[0], result[1])
Python代码解释
- 递归定义:定义一个递归函数
helper(node)
,返回两个值:抢劫当前节点的最大收益和不抢劫当前节点的最大收益。 - 状态转移:根据状态转移方程计算当前节点的最大收益。
- 返回结果:最终返回根节点抢劫和不抢劫情况下的最大值。
C++代码
class Solution {
public:
pair<int, int> helper(TreeNode* node) {
if (!node) return {0, 0};
pair<int, int> left = helper(node->left);
pair<int, int> right = helper(node->right);
// 抢劫当前节点的最大收益
int rob_current = node->val + left.second + right.second;
// 不抢劫当前节点的最大收益
int not_rob_current = max(left.first, left.second) + max(right.first, right.second);
return {rob_current, not_rob_current};
}
int rob(TreeNode* root) {
pair<int, int> result = helper(root);
return max(result.first, result.second);
}
};
C++代码解释
- 递归定义:定义一个递归函数
helper(node)
,返回一对值,表示抢劫和不抢劫当前节点的最大收益。 - 状态转移:通过递归后序遍历计算每个节点的最大收益。
- 返回结果:最终返回根节点抢劫和不抢劫的最大值。
总结
- 核心思路:通过递归的方式,后序遍历二叉树,计算每个节点的抢劫和不抢劫两种状态下的最大收益。
- 动态规划递归:使用递归的方式自底向上计算每个节点的最优解。通过状态转移方程,能够有效地解决这个树形结构的动态规划问题。
- 时间复杂度:该算法的时间复杂度为
O(n)
,空间复杂度为O(h)
,其中n
是节点数量,h
是树的高度。
原文地址:https://blog.csdn.net/AlbertDS/article/details/142897430
免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!