实验元数据 (Meta Data)

用于日后检索和归档，建立知识索引。

实验编号/标题：实验-leetcode-213-打家劫舍 2

日期：Feb 27, 2026

所属领域/标签：例如：#LeetCode #动态规划

🎯 实验前：假设与目标 (Plan)

不要在此处长篇大论，用一两句话厘清“为什么做这个”。

当前问题 (Problem)：我现在遇到了什么阻碍？或者我想解决什么问题？

例：我的爬虫程序总是被网站识别并封锁。

实验目标 (Objective)：做完这件事，我想达到什么具体效果？

例：成功抓取20页数据而不报错。

核心假设 (Hypothesis)：（最关键的一步） 我认为怎么做能成功？

由于成环，导致不能同时偷第一间和最后一间。

将问题可以拆分为：偷第一间和不偷第一间，这样问题得到简化。

🧪 实验中：执行步骤与变量 (Do)

记录“我到底做了什么”。如果是代码，粘贴关键片段；如果是实物操作，记录参数。

准备工作/工具：

List tools or resources used.

控制变量 (Variable)：

不变的量：(例：目标网址、抓取频率)

改变的量 (测试点)：(例：User-Agent 字符串，IP代理池)

执行步骤 (Log)：

Step 1 提供通用处理

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

class Solution {
    public int rob(int[] nums) {
        
    }

    int robRange(int[] nums, int start, int end) {
        int pre2 = 0;
        int pre1 = 0;

        for (int i = start; i <= end; i++) {
            int cur = Math.max(pre1, pre2 + nums[i]);
            pre2 = pre1;
            pre1 = cur;
        }
        return pre1;
    }
}

Step 2 分两种情况，取最大值

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

class Solution {
    public int rob(int[] nums) {
        int n = nums.length;

        // 边界情况
        if (n == 1) {
            return nums[0];
        }

        // 两种情况取最大值：
        // 1. 偷 [0...n-2]
        // 2. 偷 [1...n-1]
        return Math.max(robRange(nums, 0, n - 2), robRange(nums, 1, n - 1));
    }

    // 线性打家劫舍：在 nums[start...end] 区间内求最大收益
    private int robRange(int[] nums, int start, int end) {
        int pre2 = 0; // 相当于 dp[i - 2]
        int pre1 = 0; // 相当于 dp[i - 1]

        for (int i = start; i <= end; i++) {
            int cur = Math.max(pre1, pre2 + nums[i]);
            pre2 = pre1;
            pre1 = cur;
        }

        return pre1;
    }
}

👁️ 实验后：现象与数据 (Check)

客观记录发生了什么，不要带主观评价。

观察到的现象：

成功了吗？报错了吗？报错信息是什么？

产出物的样子（附截图/照片）。

关键数据：

耗时、准确率、转化率、温度、分数等。

例：前5页成功，第6页开始报错 403 Forbidden。

🧠 深度复盘：分析与结论 (Act)

这是学习发生的地方。将“经历”转化为“经验”。

结果对比：实际结果 vs. 预期假设。

符合预期 / 部分符合 / 完全相反

原因分析 (Why?)：

为什么成功了？是运气还是方法对路？

为什么失败了？是假设错了，还是执行出问题了？

(可以使用“5个为什么”法进行深挖)

获得的知识点 (Key Learnings)：

我学到了什么新概念？

纠正了什么旧认知？

下一步行动 (Next Actions)：

✅ 验证通过，纳入标准流程。

🔄 验证失败，修改假设，开启下一次实验（EXP-002）。

❓ 产生新问题：[记录新问题]