lc 打家劫舍系列 198 213 337

本文介绍了LeetCode中的打家劫舍系列问题,包括如何在不触发报警的情况下,计算能偷窃到的最高金额。文章通过示例解释了动态规划的解题思路,并提供了不同限制条件下的解决方案,如不能偷相邻房屋的情况。

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,影响你偷窃的唯一制约因素就是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 不触动警报装置的情况下 ,一夜之内能够偷窃到的最高金额。

 

示例 1:

输入:[1,2,3,1]
输出:4
解释: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 。
示例 2:

输入:[2,7,9,3,1]
输出:12
解释:偷窃 1 号房屋 (金额 = 2), 偷窃 3 号房屋 (金额 = 9),接着偷窃 5 号房屋 (金额 = 1)。
     偷窃到的最高金额 = 2 + 9 + 1 = 12 。
 

提示:

0 <= nums.length <= 100
0 <= nums[i] <= 400

// 首先仍然是一个超时的代码,揭示状态转移关系,很好
class Solution {
    // 状态:第几家,当前利润,当前是否可偷
    private int max;
    private void helper(int[] nums,int index,int cur,boolean robable){
        if(index==nums.length){
            // 因为金额都是正数,并且一定会遍历到最后一家(不会跳跃,也不代表一定偷最后一家)
            // 所以最后一家一定能取到最大值
            max=Math.max(max,cur);
            return;
        }
        if(robable){
            // 如果这一家可偷,那么可以选择偷,也可以不偷
            // 如果偷了,那么下一家不可偷,否则,下一家仍然可偷
            helper(nums,index+1,cur+nums[index],!robable);
            helper(nums,index+1,cur,robable);
        }else{
            // 不可偷,那么只能不偷,下一家可偷
            helper(nums,index+1,cur,!robable);
        }

    }
    public int rob(int[] nums) {
        helper(nums,0,0,true);
        return max;
    }
}

update:

对着上面转化为dp转了半天,没搞出来,找到了一篇让人看了豁然开朗的题解:

https://leetcode-cn.com/problems/house-robber/solution/dong-tai-gui-hua-jie-ti-si-bu-zou-xiang-jie-cjavap/

定义dp[i]为偷[0,i]可以获得的最大利润

那么有两种情况,偷/不偷 第i家:如果偷第i家,就不能偷第i-1家,那么最大收益是dp[i-2]+a[i]

如果不偷第i家,就能偷第i-1家,那么最大收益是dp[i-1]

计算的时候,只需要取两者的最大值

base是i=0,1,2的时候,如果为0,那么直接返回0

如果为1,那么就是偷这一家,收益最大

如果为2,那么投第一第二家中较大的:

class Solution {
    // dp[i]表示偷前i家的最大收益
    public int rob(int[] nums) {
        if(nums==null||nums.length==0){
            return 0;
        }
        if(nums.length==1){
            return nums[0];
        }
        int[] dp=new int[nums.length+1];
        dp[0]=0;
        dp[1]=nums[0];
        for(int i=2;i<=nums.length;i++){
            // i=3时,就是看偷第三家(a[2]),不偷第二家,那么就是dp[1]+a[2]
            // 不偷第三家,就是dp[2]
            dp[i]=Math.max(dp[i-1],dp[i-2]+nums[i-1]);
        }
        return dp[nums.length];
    }
}

update:

做了几道股票问题之后,发现状态机做打家劫舍也是降维打击

class Solution {
    public int rob(int[] nums) {
        if(nums==null||nums.length==0){
            return 0;
        }
        int len=nums.length;
        // yes[i]表示结束第i天的操作之后,处于能偷状态,的情况下的最大收益
        // no[i]表示结束第i天的操作之后,处于不能偷状态,的情况下的最大收益
        
        int[] yes=new int[len];
        int[] no=new int[len];
        yes[0]=0;
        no[0]=nums[0];
        int max=nums[0];
        for(int i=1;i<len;i++){
            yes[i]=Math.max(yes[i-1],no[i-1]);
            no[i]=yes[i-1]+nums[i];
            max=Math.max(max,Math.max(yes[i],no[i]));
        }
        return max;
    }
}

213. 打家劫舍 II

难度中等402

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:nums = [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:nums = [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 。

示例 3:

输入:nums = [0]
输出:0

 

提示:

  • 1 <= nums.length <= 100
  • 0 <= nums[i] <= 1000

增加的限制,代表不能同时偷第一家和最后一家,看了下,最简单也是大家都在使用的做法是,在[0,len-1]和[1,len]上分别跑一遍198的算法,然后取较大值

class Solution {
    private int rob198(int[] nums){
        if(nums==null||nums.length==0){
            return 0;
        }
        int len=nums.length;
        // yes[i]表示结束第i天的操作之后,处于能偷状态,的情况下的最大收益
        // no[i]表示结束第i天的操作之后,处于不能偷状态,的情况下的最大收益
        
        int[] yes=new int[len];
        int[] no=new int[len];
        yes[0]=0;
        no[0]=nums[0];
        int max=nums[0];
        for(int i=1;i<len;i++){
            yes[i]=Math.max(yes[i-1],no[i-1]);
            no[i]=yes[i-1]+nums[i];
            max=Math.max(max,Math.max(yes[i],no[i]));
        }
        return max;
    }
    public int rob(int[] nums) {
        if(nums==null||nums.length==0){
            return 0;
        }
        if(nums.length==1){
            return nums[0];
        }
        return Math.max(rob198(Arrays.copyOfRange(nums,0,nums.length-1)),rob198(Arrays.copyOfRange(nums,1,nums.length)));
    }
}

337. 打家劫舍 III

难度中等613

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.
感觉因为是树反而更好做qaq

/**
 * Definition for a binary tree node.
 * public class TreeNode {
 *     int val;
 *     TreeNode left;
 *     TreeNode right;
 *     TreeNode(int x) { val = x; }
 * }
 */
class Solution {
    private HashMap<TreeNode,Integer> memo=new HashMap<>(); 
    public int rob(TreeNode root) {
        if(root==null){
            return 0;
        }
        if(memo.containsKey(root)){
            return memo.get(root);
        }
        // 对于root,可以偷,也可以不偷
        // 如果偷了root,那么就不能偷root的左右孩子
        // 如果不偷根,就能偷root的左右孩子
        int robRoot=root.val;
        // 不能偷root的左右孩子,则要看左右孩子还分别有没有左右孩子
        if(root.left!=null){
            robRoot+=rob(root.left.left)+rob(root.left.right);
        }
        if(root.right!=null){
            robRoot+=rob(root.right.left)+rob(root.right.right);
        }
        int notRobRoot=rob(root.left)+rob(root.right);
        int t=Math.max(robRoot,notRobRoot);
        memo.put(root,t);
        return t;
    }
}```

 

Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携带参数到后端进行人脸识别,最终返回人脸识别果,获取人脸识别果后,检索该成员应具备的多目标特征,与YOLOv5多目标识别的实际果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
使用教程: https://pan.quark.cn/s/c0f2b4acdf83,有不会的再问我  功能介绍: 用户输入人脸照片,程序从照片库中选出10张最相似人脸照片输出在文件夹中,并且给出这十张人脸与输入人脸的相似度值。 照片库可以增删 调节相似度阈值可调节 自定义UI操作界面 视频演示: [[项目分享]基于OpenCV的人脸集合相似度检测系统(源码&UI&教程)哔哩哔哩bilibili](https://www.bilibili.com/video/BV1Wa41137CW/?vd_source=bc9aec86d164b67a7004b996143742dc) 图片演示: png png 人脸相似度对比原理: 整体思路: 1、预先导入所需要的人脸识别模型; 2、遍历循环识别文件夹里面的图片,让模型“记住”人物的样子; 3、输入一张新的图像,与前一步文件夹里面的图片比对,返回最接近的果。 使用到的第三方模块和模型: 1、模块:os,dlib,glob,numpy; 2、模型:人脸关键点检测器,人脸识别模型。 导入需要的模型。 这里解释一下两个dat文件: 它们的本质是参数值(即神经网络的权重)。 人脸识别算是深度学习的一个应用,事先需要经过大量的人脸图像来训练。 参考该博客,设计一个神经网络构,来“记住”人类的脸。 对于神经网络来说,即便是同样的构,不同的参数也会导致识别的东西不一样。 在这里,这两个参数文件就对应了不同的功能(它们对应的神经网络构也不同): shapepredictor.dat这个是为了检测人脸的关键点,比如眼睛,嘴巴等等;dlibface_recognition.dat是在前面检测关键点的基础上,生成人脸的特征值。 所以后面使用dlib模块的时...
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