打家劫舍:从线性到树形,彻底玩转动态规划

哈喽,大家好呀,我是蔚蓝🥰!今天我们来聊聊 DP 专题里最像「犯罪现场模拟」的一个系列——打家劫舍 (House Robber)。

很多小伙伴刚接触动态规划时,觉得这题挺逗,怎么还教人「偷东西」呢?其实,这道题的精髓不在于「偷」,而在于如何处理邻居之间的制约关系。

今天这一篇,我把笔记里从简单的路边排房,到成环的社区,再到那棵让人抓狂的「老大的办公楼」,全部梳理清楚。核心代码都是最纯粹的 Java 版,保证你看完就能上手!


1. 关卡一:线性社区 (HR I) —— 别碰隔壁老王

如果你面前是一排房子,每家都有金币,但只要你连着偷两家,警报就会响。这就是最经典的一维 DP。

很多人第一反应是:我选奇数位还是偶数位?大错特错! 算法的世界里,你要做的是不断决策。

  • 一眼识别状态:走到第 i 家房门口,我只有两个选择:
    1. 偷! 那我不仅能拿这家的钱,还得保证前一家没动身。
    2. 不偷! 那我能拿到的最大值,就是我走到前一家门口时的战果。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
class Solution {
public int rob(int[] nums) {
if (nums.length == 0) return 0;
if (nums.length == 1) return nums[0]; // 只有一个房子,偷就完事了

// dp[i] 代表走到第 i 间房能偷到的最高金额
int[] dp = new int[nums.length];
dp[0] = nums[0]; // 只有第一家
dp[1] = Math.max(nums[0], nums[1]); // 在前两家之间选个大的

for (int i = 2; i < nums.length; i++) {
// 决策时刻:是偷这一家(加上前前家的钱),还是跳过这一家(拿前一家的钱)
dp[i] = Math.max(dp[i - 2] + nums[i], dp[i - 1]);
}

return dp[nums.length - 1];
}
}

2. 关卡二:社区成环 (HR II) —— 咬到尾巴的贪吃蛇

当这排房子首尾相连变成一个社区时,事情变邪乎了:你偷了第一家,最后一家就不能动。

这其实是一个 「破圈」 的过程。我们不需要复杂的联立方程,直接暴力拆解成两种情况:

  1. 不管最后一家:只算 [第一家, 倒数第二家]。
  2. 不管第一家:只算 [第二家, 最后一家]。

最后两者取大值,完美化解死循环。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
class Solution {
public int rob(int[] nums) {
if (nums.length == 1) return nums[0];

// 既然首尾相连,我们就分场景讨论
int result1 = robRange(nums, 0, nums.length - 2); // 场景 1:不考虑最后一家
int result2 = robRange(nums, 1, nums.length - 1); // 场景 2:不考虑第一家

return Math.max(result1, result2);
}

private int robRange(int[] nums, int start, int end) {
if (start == end) return nums[start];

int[] dp = new int[nums.length];
dp[start] = nums[start];
dp[start + 1] = Math.max(nums[start], nums[start + 1]);

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

return dp[end];
}
}

3. 关卡三:树形办公楼 (HR III) —— 擒贼先擒王

这是本系列的终极变体。房子不再是排成队,而是长成了一棵二叉树。邻居不再是左右,而是「父与子」。

这时候,线性遍历失效了,我们需要派侦察兵去深度优先搜索 (DFS),并且要按照 「由下至上」 的财务汇报逻辑(后序遍历)。

  • : 每个节点都要向老板汇报两个数字:{我不偷能拿多少, 我偷能拿多少}。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
class Solution {
public int rob(TreeNode root) {
int[] res = robAction(root);
// 最后在根节点的“偷”与“不偷”中选个最大值
return Math.max(res[0], res[1]);
}

private int[] robAction(TreeNode root) {
if (root == null) return new int[]{0, 0}; // 空树,汇报全是 0

// 递归拿到左边和右边小弟的汇报(后序遍历)
int[] left = robAction(root.left);
int[] right = robAction(root.right);

// 1. 如果我偷:那我左右孩子只能乖乖呆着,绝对不能偷
int v1 = root.val + left[0] + right[0];

// 2. 如果我不偷:那左右孩子随你们便,偷不偷都行,我选钱多的路子
int v0 = Math.max(left[0], left[1]) + Math.max(right[0], right[1]);

return new int[]{v0, v1}; // 向上级汇报我的成果
}
}

4. 避坑指南

在刷这系列题时,我总结了 3 个血泪教训:

  1. 初始化的坑:别忘了处理 nums.length == 1。很多人一顿操作猛如虎,结果在 dp[1] 数组越界上翻了车。
  2. 树形 DP 的顺序:一定要是 「后序遍历」!你得先搞清楚手下人赚了多少,你这个当老大的才有资格做最后决定。
  3. 别想太多递归:原生的递归如果不用记忆化,那就是典型的「一人算错,全家累死」。能用数组存(DP),就别玩虚的。

🥰 碎碎念

算法其实就像生活里的资源配置。你不能既要又要,你必须在「收益」和「制约」之间找到那个微妙的平衡点。

如果你能一口气说清楚这三道题的区别,恭喜你,动态规划的状态方程对你来说已经不再是天书。

下一篇,咱们聊聊那个更硬核的「背包系列」?或者你还有哪道题还没绕出来,评论区告诉我!