【LeetCode-337】House Robber III

本文介绍了一种使用深度优先搜索(DFS)算法解决房屋抢劫III问题的方法。该方法通过递归函数对二叉树进行遍历,对于每个节点,递归函数返回两个值:抢该节点的最大收益与不抢该节点的最大收益。通过对这些值的比较和选择,最终得到整棵树的最大抢劫金额。

看到了别人的好的方法,记录一下,注释什么的都在代码里

//dfs解决
public class HouseRobberIII {
	public class TreeNode {
		int val;
		TreeNode left;
		TreeNode right;

		TreeNode(int x) {
			val = x;
		}
	}
	
	public int rob(TreeNode root) {
		if(root == null){
			return 0;
		}
		
		int[] res = robHelp(root);
		
		return Math.max(res[0], res[1]);
    }
	
	
	/**
	 * dfs all the nodes of the tree, each node return two number, int[] num, 
	 * num[0] is the max value while rob this node, 
	 * num[1] is max value while not rob this value. 
	 * Current node return value only depend on its children's value. 
	 * Transform function should be very easy to understand.
	 * @param root
	 * @return
	 */
	public int[] robHelp(TreeNode root){
		if(root == null){
			return new int[2];
		}
		
		int[] left = robHelp(root.left);
		int[] right = robHelp(root.right);
		
		int[] res = new int[2];
		res[0] = left[1] + right[1] + root.val;
		//这里的两个max还是比较精髓的,想清楚为什么这样(left[0] 不一定比left[1]大)
		res[1] = Math.max(left[0], left[1]) + Math.max(right[0], right[1]);
		
		return res;
	}
}


内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
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