二叉树打家劫舍问题的动态规划解法

1. 问题分析与解题思路

这道题目描述了一个小偷在二叉树结构的房屋群中行窃的场景。每个节点代表一个房屋，节点值代表该房屋的财物价值。小偷需要遵守一个规则：不能同时偷窃直接相连的两个房屋（即父子节点不能同时被偷），否则会触发警报。

从算法角度看，这是一个典型的树形动态规划问题。我们需要在二叉树结构上计算最优解，同时满足特定约束条件。与线性结构的打家劫舍问题不同，树形结构增加了问题的复杂度，因为每个节点的决策会影响其子节点和父节点的选择。

1.1 动态规划状态定义

对于树中的每个节点，我们定义两种状态：

• 偷当前节点时的最大收益（robNow）
• 不偷当前节点时的最大收益（notRobNow）

这两种状态将作为我们动态规划的基础。通过后序遍历（左右根）的方式，我们可以自底向上地计算每个节点的这两种状态值。

1.2 状态转移方程

对于任意节点，其状态转移遵循以下规则：

1. 如果偷当前节点，则不能偷其直接子节点：
   robNow = node.val + left[1] + right[1]
   （其中left[1]和right[1]分别表示不偷左右子节点时的最大收益）

2. 如果不偷当前节点，则可以自由选择是否偷子节点（取最优解）：
   notRobNow = max(left[0], left[1]) + max(right[0], right[1])

最终，根节点的最大收益就是max(robNow, notRobNow)。

2. 代码实现与解析

2.1 递归解法

java复制class Solution {
    public int rob(TreeNode root) {
        int[] res = robTree(root);
        return Math.max(res[0], res[1]);
    }
    
    private int[] robTree(TreeNode node) {
        if (node == null) {
            return new int[]{0, 0};
        }
        
        int[] left = robTree(node.left);
        int[] right = robTree(node.right);
        
        // 偷当前节点，则不能偷子节点
        int robNow = node.val + left[1] + right[1];
        // 不偷当前节点，则可选择偷或不偷子节点（取最大值）
        int notRobNow = Math.max(left[0], left[1]) + Math.max(right[0], right[1]);
        
        return new int[]{robNow, notRobNow};
    }
}

2.2 代码解析

1. robTree方法返回一个长度为2的数组：

   • 第一个元素表示偷当前节点时的最大收益
   • 第二个元素表示不偷当前节点时的最大收益

2. 递归终止条件：当节点为null时，返回[0,0]，表示没有收益

3. 后序遍历处理：

   • 先递归处理左右子树
   • 然后根据左右子树的结果计算当前节点的两种状态值

4. 最终结果取根节点两种状态的最大值

2.3 时间复杂度分析

该算法采用后序遍历，每个节点只被访问一次，因此时间复杂度为O(n)，其中n是树中节点的数量。空间复杂度取决于递归栈的深度，最坏情况下（树退化为链表）为O(n)。

3. 优化与注意事项

3.1 记忆化优化

虽然上述解法已经比较高效，但对于某些语言（如Python）的递归实现，可能会因为递归深度过大导致栈溢出。可以考虑使用迭代式的后序遍历（使用栈）来避免递归带来的问题。

3.2 边界条件处理

在实际编码时需要注意：

• 空树的情况（虽然题目保证节点数≥1）
• 节点值为0的情况
• 树退化为链表的情况

3.3 常见错误

1. 混淆状态定义：确保清楚地区分"偷当前节点"和"不偷当前节点"两种状态
2. 错误的状态转移：特别是计算notRobNow时，要对左右子节点的两种状态都取max
3. 遍历顺序错误：必须使用后序遍历，因为需要先知道子节点的状态才能计算当前节点的状态

4. 扩展思考

4.1 如何输出具体的偷窃方案？

如果题目要求不仅返回最大金额，还要返回具体的偷窃节点列表，我们可以修改状态数组，使其不仅包含金额，还包含对应的节点集合。不过这会使空间复杂度增加。

4.2 其他树形DP问题

类似的树形DP问题还有：

• 二叉树中的最大路径和
• 监控二叉树
• 二叉树中的最大独立集

这些问题的解决思路都是定义合适的状态，然后通过后序遍历进行状态转移。

5. 实际应用中的思考

在实际面试或竞赛中遇到这类问题时，建议：

1. 先明确问题的约束条件和目标
2. 设计合适的状态表示
3. 推导状态转移方程
4. 考虑边界条件和特殊情况
5. 选择适当的遍历顺序
6. 最后考虑优化空间

对于树形DP问题，后序遍历通常是首选，因为它自然地提供了自底向上的计算顺序。同时，定义清楚的状态是解决问题的关键，这需要一定的练习和经验积累。

提示：在练习树形DP问题时，可以先用小规模的树手动模拟计算过程，确保完全理解状态转移的逻辑，这有助于写出正确的代码。