leetCode House Robber II

本文解析了一种特殊的房屋抢劫问题——环形排列房屋的最大收益算法。通过将问题拆分为两个子问题,分别求解不含首尾房屋的情况,并取两者的最大值作为最终答案。文章详细介绍了解决方案的实现细节。

题目链接

思路:
因为这里面不可能同时抢第一个房间和最后一个房间。所以,我们可以把问题拆成两个。回归到House Robber I
问题一 第一个到倒数第二个房间采用House Robber I算法
问题二 第二个到最后一个房间采用House Robber I算法
比较大小后返回。。

之所以能够分成这两个问题的原因是
第一个和最后一个房间可以分成如下四种情况
1第一个和这后一个都抢 这不符合题意。问题一,二都不可能得着最优解是同时抢第一个和最后一个的出来的。
2只抢第一个
如果抢第一个,那么一定不能抢最后一个。
在问题一中,如果真的抢第一个可以带来最优解那么问题一会找出来。
3只抢最后一个
如果抢最后一个,那么一定不会抢第一个。
在问题二中,如果真的抢最后一个可以带来最优解那么问题二会找出来。
4两个都不抢 包括在两个子问题中。因为这两个子问题的最优解都可能没抢第一个和最后一个

public class Solution {
   public int rob(int[] nums) {
        if(nums.length==0)
        {
            return 0;
        }

        if(nums.length==1)
        {
            return nums[0];
        }
        int resultA=robHelp(nums, 0, nums.length-2);
        int resultB=robHelp(nums, 1, nums.length-1);
        return Math.max(resultA, resultB);
    }


    public int robHelp(int[] nums,int start,int end)
    {
        int unRob=0;
        int doRob=0;
        for(int i=start;i<=end;i++)
        {




            int temp=unRob;
            unRob=Math.max(temp,doRob);

            doRob=temp+nums[i];

        }
        return Math.max(unRob, doRob);
    }
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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