代码随想录day48

文章介绍了四个与打家劫舍问题相关的类Solution实现,涉及动态规划(如dp数组)和递归策略(如对二叉树的处理),展示了在不同场景下求解此类问题的方法。

打家劫舍1

class Solution {
public:
    int rob(vector<int>& nums) 
    {
        int n=nums.size();
        if (nums.size() == 0) return 0;
        if (nums.size() == 1) return nums[0];
        
        vector<int>dp(n,0);
        dp[0]=nums[0];
        dp[1]=max(nums[0],nums[1]);
        for(int i=2;i<n;i++)
        {
            dp[i]=max(dp[i-1],dp[i-2]+nums[i]);
        }
        return dp[n-1];
    }
};

打家劫舍2

class Solution {
public:
    int rob(vector<int>& nums) 
    {
        int n=nums.size();
        if (nums.size() == 0) return 0;
        if (nums.size() == 1) return nums[0];
        if (nums.size() == 2) return max(nums[0],nums[1]);
        
        vector<int>dp1(n-1,0);
        vector<int>dp2(n-1,0);
        dp1[0]=nums[0];
        dp1[1]=max(nums[0],nums[1]);
        for(int i=2;i<n-1;i++)
        {
            dp1[i]=max(dp1[i-1],dp1[i-2]+nums[i]);
        }

        dp2[0]=nums[1];
        dp2[1]=max(nums[1],nums[2]);
        for(int i=2;i<n-1;i++)
        {
            dp2[i]=max(dp2[i-1],dp2[i-2]+nums[i+1]);
        }
        return max(dp1[n-2],dp2[n-2]);
    }
};

打家劫舍3

class Solution {
public:
    int rob(TreeNode* root) {
        vector<int> result = robtree(root);
        return max(result[0],result[1]);
    }
    vector<int>robtree(TreeNode* root)
    {
        if(root==NULL) return {0,0};
        vector<int> left = robtree(root->left);
        vector<int> right = robtree(root->right);
        int v1=root->val+left[0]+right[0];
        int v2=max(left[0],left[1])+max(right[0],right[1]);
        return {v2,v1};
    }
};

打家劫舍4

class Solution {
public:
    int minCapability(vector<int>& nums, int k) 
    {
        //最大最小二分
        vector<int>nums1(nums.begin(),nums.end());
        sort(nums1.begin(),nums1.end());
        int l=nums1[0],r=nums1.back();
        int n=nums.size();
        int dp[n+2];
        while(l<r)
        {
            int m=(l+r)/2;
            memset(dp, 0, sizeof(dp));
            for (int i = 2; i <= n+1; ++ i) 
            {
                if (nums[i-2] <= m) 
                {  
                    dp[i] = max(dp[i-1], dp[i-2] + 1);
                } 
                else 
                {
                    dp[i] = dp[i-1];
                }
            }
            if(dp[n+1]>=k) 
            { 
                r = m;
            } 
            //要求的最大值 太小 偷的次数需要很小  但是最少为k  所以 要求的最大值 变大一点
            else { 
                l= m + 1;
            }
        }
        return r;
    }
};

### 关于代码随想录 Day04 的学习资料与解析 #### 一、Day04 主要内容概述 代码随想录 Day04 的主要内容围绕 **二叉树的遍历** 展开,包括前序、中序和后序三种遍历方式。这些遍历可以通过递归实现,也可以通过栈的方式进行迭代实现[^1]。 #### 二、二叉树的遍历方法详解 ##### 1. 前序遍历(Pre-order Traversal) 前序遍历遵循访问顺序:根节点 -> 左子树 -> 右子树。以下是基于递归的实现: ```python def preorderTraversal(root): result = [] def traversal(node): if not node: return result.append(node.val) # 访问根节点 traversal(node.left) # 遍历左子树 traversal(node.right) # 遍历右子树 traversal(root) return result ``` 对于迭代版本,则可以利用显式的栈来模拟递归过程: ```python def preorderTraversal_iterative(root): stack, result = [], [] current = root while stack or current: while current: result.append(current.val) # 访问当前节点 stack.append(current) # 将当前节点压入栈 current = current.left # 转向左子树 current = stack.pop() # 弹出栈顶元素 current = current.right # 转向右子树 return result ``` ##### 2. 中序遍历(In-order Traversal) 中序遍历遵循访问顺序:左子树 -> 根节点 -> 右子树。递归实现如下: ```python def inorderTraversal(root): result = [] def traversal(node): if not node: return traversal(node.left) # 遍历左子树 result.append(node.val) # 访问根节点 traversal(node.right) # 遍历右子树 traversal(root) return result ``` 迭代版本同样依赖栈结构: ```python def inorderTraversal_iterative(root): stack, result = [], [] current = root while stack or current: while current: stack.append(current) # 当前节点压入栈 current = current.left # 转向左子树 current = stack.pop() # 弹出栈顶元素 result.append(current.val) # 访问当前节点 current = current.right # 转向右子树 return result ``` ##### 3. 后序遍历(Post-order Traversal) 后序遍历遵循访问顺序:左子树 -> 右子树 -> 根节点。递归实现较为直观: ```python def postorderTraversal(root): result = [] def traversal(node): if not node: return traversal(node.left) # 遍历左子树 traversal(node.right) # 遍历右子树 result.append(node.val) # 访问根节点 traversal(root) return result ``` 而迭代版本则稍复杂一些,通常采用双栈法或标记法完成: ```python def postorderTraversal_iterative(root): if not root: return [] stack, result = [root], [] while stack: current = stack.pop() result.insert(0, current.val) # 插入到结果列表头部 if current.left: stack.append(current.left) # 先压左子树 if current.right: stack.append(current.right) # 再压右子树 return result ``` #### 三、补充知识点 除了上述基本的二叉树遍历外,Day04 还可能涉及其他相关内容,例如卡特兰数的应用场景以及组合问题的基础模板[^2][^4]。如果遇到具体题目,可以根据实际需求调用相应算法工具。 --- ####
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值