1. 动态规划经典问题：打家劫舍系列解析
今天我们来拆解算法训练中经典的打家劫舍问题系列，包含三个不同变种：线性排列（198题）、环形排列（213题）和二叉树结构（337题）。这三个问题层层递进，是掌握动态规划思想不可多得的练手案例。
作为算法工程师，这类问题在实际业务中经常变形出现。比如风控系统中的异常交易检测、游戏中的资源最优收集路径等场景，本质上都是类似的决策过程。下面我将结合自己刷题和面试的经验，带大家系统掌握这三个问题的解法套路。
2. 基础版：线性房屋排列（198题）
2.1 问题描述与建模
给定一个非负整数数组nums，表示沿街排列的房屋中的金额。相邻房屋装有联动的报警系统，如果两间相邻的房屋在同一晚被打劫，系统会自动报警。求在不触发警报的情况下，能够盗取的最高金额。
示例：
输入：[2,7,9,3,1]
输出：12（选择第1、3、5号房屋）
2.2 动态规划解法
这是最基础的动态规划问题，定义dp[i]表示前i间房屋能获得的最大金额：
python复制def rob(nums):
if not nums:
return 0
n = len(nums)
if n == 1:
return nums[0]
dp = [0] * n
dp[0] = nums[0]
dp[1] = max(nums[0], nums[1])
for i in range(2, n):
dp[i] = max(dp[i-1], dp[i-2] + nums[i])
return dp[-1]
关键点：
- 状态转移方程：dp[i] = max(不抢当前房屋=dp[i-1], 抢当前房屋=dp[i-2]+nums[i])
- 边界条件处理：当房屋数≤2时的特殊情况
实际编码时可以优化空间复杂度到O(1)，只需维护前两个状态即可
2.3 常见错误与调试
- 忘记处理空数组或单元素数组的特殊情况
- 错误地将dp数组初始化为nums的拷贝
- 循环起始位置错误（应从索引2开始）
3. 进阶版：环形房屋排列（213题）
3.1 问题变化与拆解
现在房屋排列成环形，即第一间和最后一间相邻。这意味着：
- 如果抢了第一间，就不能抢最后一间
- 如果不抢第一间，就可以考虑最后一间
因此可以将问题拆解为两个子问题：
- 不考虑最后一间房屋（即nums[0:n-1]）
- 不考虑第一间房屋（即nums[1:n]）
然后取两者的最大值。
3.2 代码实现
python复制def rob(nums):
def helper(start, end):
prev2 = prev1 = 0
for i in range(start, end+1):
curr = max(prev1, prev2 + nums[i])
prev2, prev1 = prev1, curr
return prev1
n = len(nums)
if n == 1:
return nums[0]
return max(helper(0, n-2), helper(1, n-1))
3.3 性能优化技巧
- 复用基础版的解法函数，避免重复编码
- 使用滚动数组优化空间复杂度
- 提前终止条件：当n≤2时可直接返回结果
4. 高阶版：二叉树房屋排列（337题）
4.1 问题转化与树形DP
现在房屋排列成二叉树结构，直接相连的节点不能同时被打劫。这需要我们在树上进行动态规划。
定义每个节点有两个状态：
- 选中当前节点时的最大值
- 不选中当前节点时的最大值
4.2 后序遍历解法
python复制def rob(root):
def dfs(node):
if not node:
return (0, 0)
left = dfs(node.left)
right = dfs(node.right)
# 选择当前节点：不能选子节点
selected = node.val + left[1] + right[1]
# 不选当前节点：子节点可选可不选
not_selected = max(left) + max(right)
return (selected, not_selected)
return max(dfs(root))
4.3 复杂度分析
- 时间复杂度：O(n)，每个节点访问一次
- 空间复杂度：O(h)，递归栈的深度（h为树高）
5. 三题对比与总结
| 特征 | 198题（线性） | 213题（环形） | 337题（二叉树） |
|---|---|---|---|
| 数据结构 | 数组 | 环形数组 | 二叉树 |
| DP维度 | 一维 | 一维（拆解） | 二维（节点状态） |
| 关键转移方程 | max(dp[i-1], dp[i-2]+nums[i]) | 拆解为两个线性问题 | max(选当前+不选子节点，不选当前+子节点最优) |
| 空间优化 | 滚动数组 | 同左 | 递归栈 |
6. 实战经验分享
- 调试技巧：对于树形DP，可以先手动计算小树的预期结果，再与程序输出对比
- 边界测试：特别注意空输入、单元素、两个元素等边界情况
- 面试要点：
- 先讲清楚状态定义和转移方程
- 讨论空间优化方案
- 主动分析时间/空间复杂度
- 举一反三：这类问题可以扩展到图结构（如不相邻节点最大和）、资源分配等问题
7. 扩展思考
在实际工程中，这类问题有很多变种：
- 带权重的任务调度（不能同时执行有冲突的任务）
- 广告投放优化（不能在同一用户群体重复投放）
- 服务器资源分配（避免相邻节点过载）
理解这类问题的本质是：在约束条件下做出最优决策。掌握动态规划的核心在于：
- 定义合适的状态
- 找出状态转移关系
- 处理好边界条件
建议在解决这三个问题后，可以尝试LeetCode上的其他DP问题（如股票买卖系列、背包问题等）来巩固这一思想。