动态规划解决打家劫舍问题：原理与实现

1. 打家劫舍问题解析

这道经典的动态规划问题来自力扣Hot100题库，题目描述很简单：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。

1.1 问题建模

首先我们需要将这个问题转化为数学模型。给定一个非负整数数组nums，其中nums[i]表示第i个房屋存放的金额，我们需要找到一个子序列，满足：

1. 子序列中不能包含相邻的元素
2. 在所有满足条件的子序列中，元素和最大的那个

例如对于输入[1,2,3,1]，最优解是偷第1和第3个房屋，总和为1+3=4。

1.2 暴力解法分析

最直观的解法是枚举所有可能的子序列，然后找出符合条件的最大和。对于一个长度为n的数组，这样的子序列有2^n种可能（每个房屋要么偷要么不偷），时间复杂度为O(2^n)，这在n较大时显然不可行。

2. 动态规划解法详解

2.1 状态定义

动态规划的核心在于找到合适的状态定义和状态转移方程。对于这个问题，我们可以定义：

dp[i]：考虑前i个房屋（从0开始编号）时能偷窃到的最大金额

这里需要注意"考虑前i个房屋"并不一定表示一定要偷第i个房屋，只是表示我们当前考虑的范围。

2.2 状态转移方程

对于第i个房屋，我们有两种选择：

1. 不偷第i个房屋：此时最大金额等于考虑前i-1个房屋时的最大金额，即dp[i-1]
2. 偷第i个房屋：那么第i-1个房屋就不能偷，最大金额等于考虑前i-2个房屋时的最大金额加上当前房屋的金额，即dp[i-2] + nums[i]

我们需要在这两种选择中取最大值，因此状态转移方程为：

dp[i] = max(dp[i-1], dp[i-2] + nums[i])

2.3 边界条件

初始状态需要考虑：

• dp[0] = nums[0] （只有一个房屋时只能偷它）
• dp[1] = max(nums[0], nums[1]) （两个房屋时偷金额较大的那个）

2.4 空间优化

观察状态转移方程可以发现，dp[i]只依赖于dp[i-1]和dp[i-2]，因此我们不需要保存整个dp数组，只需要保存前两个状态即可。这就是为什么原始代码中使用pr