贪心算法：单调递增的数字、监控二叉树、贪心算法总结

21. 单调递增的数字

例题738：
当且仅当每个相邻位数上的数字 x 和 y 满足 x <= y 时，我们称这个整数是单调递增的。

给定一个整数 n ，返回 小于或等于 n 的最大数字，且数字呈 单调递增 。

暴力法：从n－－开始判断每一个数字是否符合要求。
时间复杂度O(m*n)。m为数字长度，结果超时！

class Solution {
    public int monotoneIncreasingDigits(int n) {
int res=0;
        for(int i=n;i>=0;i--){
            int flag=1;
            //先求n是几位数
            String nn=i+"";
            int len=nn.length();
            int j=len;
            int pos=0;
            int nNum=0;
            int N=i;
                while (j >0) {
                   pos=N/(int)Math.pow(10,j-1);
                   if(pos>=nNum){
                       nNum=pos;
                       N=N-nNum*(int)Math.pow(10,j-1);
                       j--;
                   }
                   else{
                       flag=0;
                       break;
                   }
                }
            if(flag==1){
                res=i;
                break;
            }
        }
        return res;
    }
}

贪心算法

题目要求小于等于N的最大单调递增的整数，那么拿一个两位的数字来举例。

例如：98，一旦出现strNum[i - 1] > strNum[i]的情况（非单调递增），首先想让strNum[i - 1]–，然后strNum[i]给为9，这样这个整数就是89，即小于98的最大的单调递增整数。

这一点如果想清楚了，这道题就好办了。

此时是从前向后遍历还是从后向前遍历呢？

从前向后遍历的话，遇到strNum[i - 1] > strNum[i]的情况，让strNum[i - 1]减一，但此时如果strNum[i - 1]减一了，可能又小于strNum[i - 2]。

这么说有点抽象，举个例子，数字：332，从前向后遍历的话，那么就把变成了329，此时2又小于了第一位的3了，真正的结果应该是299。

那么从后向前遍历，就可以重复利用上次比较得出的结果了，从后向前遍历332的数值变化为：332 -> 329 -> 299

class Solution {
    public int monotoneIncreasingDigits(int n) {
 String[] nn=(n+"").split("");
        int start=nn.length;
        for(int i=nn.length-1;i>0;i--){
            if(Integer.parseInt(nn[i])<Integer.parseInt(nn[i-1])){
                nn[i-1]=(Integer.parseInt(nn[i-1])-1)+"";
                start=i;//找到上一个减1，该数字变为9的位置
            }
        }
        //找到最高的减1位，说明该位后可以都为9
        for(int i=start;i<nn.length;i++){
            nn[i]="9";
        }
        return Integer.parseInt(String.join("",nn));
    }
}

注意：

1. 从后往前找到需要减一的最高位，然后记录该位置后一位的位置，说明该位置以及以后的位置都可以为9.
2. 将数字转换为字符串：数字+""
3. 将字符串转换为字符串数组：String[] nn=字符串.split("")
4. 将字符串转换为int：Integer.paseInt(nn[i])
5. 将字符串数组连接为一个字符串：String.join("",nn)

22. 监控二叉树

例题968：
给定一个二叉树，我们在树的节点上安装摄像头。

节点上的每个摄影头都可以监视其父对象、自身及其直接子对象。

计算监控树的所有节点所需的最小摄像头数量。

遍历二叉树的过程中，找到双数层就可以放置监控（×）

这道题目首先要想，如何放置，才能让摄像头最小的呢？

从题目中示例，其实可以得到启发，我们发现题目示例中的摄像头都没有放在叶子节点上！

这是很重要的一个线索，摄像头可以覆盖上中下三层，如果把摄像头放在叶子节点上，就浪费的一层的覆盖。

所以把摄像头放在叶子节点的父节点位置，才能充分利用摄像头的覆盖面积。

那么有同学可能问了，为什么不从头结点开始看起呢，为啥要从叶子节点看呢？

因为头结点放不放摄像头也就省下一个摄像头， 叶子节点放不放摄像头省下了的摄像头数量是指数阶别的。

所以我们要从下往上看，局部最优：让叶子节点的父节点安摄像头，所用摄像头最少，整体最优：全部摄像头数量所用最少！

此时，大体思路就是从低到上，先给叶子节点父节点放个摄像头，然后隔两个节点放一个摄像头，直至到二叉树头结点。

此时这道题目还有两个难点：

1. 二叉树的遍历
2. 如何隔两个节点放一个摄像头

确定遍历顺序

在二叉树中如何从低向上推导呢？

可以使用后序遍历也就是左右中的顺序，这样就可以在回溯的过程中从下到上进行推导了。

后序遍历代码如下：

int traversal(TreeNode cur){
if(终止条件) return ;
int left=traversal(cur.left);//左
int right=traversal(cur.right);//右
逻辑处理//中
return ;
}

如何隔两个节点放一个摄像头

此时需要状态转移的公式，大家不要和动态的状态转移公式混到一起，本题状态转移没有择优的过程，就是单纯的状态转移！

来看看这个状态应该如何转移，先来看看每个节点可能有几种状态：

• 该节点无覆盖
• 本节点有摄像头
• 本节点有覆盖

我们分别有三个数字来表示：

• 0：该节点无覆盖
• 1：本节点有摄像头
• 2：本节点有覆盖
  一些同学可能会想有没有第四种状态：本节点无摄像头，其实无摄像头就是 无覆盖 或者 有覆盖的状态，所以一共还是三个状态。

因为在遍历树的过程中，就会遇到空节点，那么问题来了，空节点究竟是哪一种状态呢？ 空节点表示无覆盖？ 表示有摄像头？还是有覆盖呢？

回归本质，为了让摄像头数量最少，我们要尽量让叶子节点的父节点安装摄像头，这样才能摄像头的数量最少。

那么空节点不能是无覆盖的状态，这样叶子节点就要放摄像头了，空节点也不能是有摄像头的状态，这样叶子节点的父节点就没有必要放摄像头了，而是可以把摄像头放在叶子节点的爷爷节点上。

所以空节点的状态只能是有覆盖，这样就可以在叶子节点的父节点放摄像头了

接下来就是递推关系。

那么递归的终止条件应该是遇到了空节点，此时应该返回2（有覆盖），原因上面已经解释过了。

//空节点，该节点有覆盖
if(cur==null) return 2;

递归的函数，以及终止条件已经确定了，再来看单层逻辑处理。

主要有如下四类情况：

• 情况1：左右节点都有覆盖
  左孩子有覆盖，右孩子有覆盖，那么此时中间节点应该就是无覆盖的状态了。

如图：

代码如下：

//左右孩子都是有覆盖
if(left==2 && right==2) return 0;

• 情况2：左右节点至少有一个无覆盖的情况

如果是以下情况，则中间节点（父节点）应该放摄像头：

• left == 0 && right == 0 左右节点无覆盖
• left == 1 && right == 0 左节点有摄像头，右节点无覆盖
• left == 0 && right == 1 左节点有无覆盖，右节点摄像头
• left == 0 && right == 2 左节点无覆盖，右节点覆盖
• left == 2 && right == 0 左节点覆盖，右节点无覆盖
  这个不难理解，毕竟有一个孩子没有覆盖，父节点就应该放摄像头。

此时摄像头的数量要加一，并且return 1，代表中间节点放摄像头。

代码如下：

//左右孩子至少有一个无覆盖
if(left==0 || right==0){
res++;
return 1;
}

• 情况3：左右节点至少有一个有摄像头

如果是以下情况，其实就是 左右孩子节点有一个有摄像头了，那么其父节点就应该是2（覆盖的状态）

• left == 1 && right == 2 左节点有摄像头，右节点有覆盖
• left == 2 && right == 1 左节点有覆盖，右节点有摄像头
• left == 1 && right == 1 左右节点都有摄像头

代码如下：

//左右孩子至少一个有摄像头
if(left==1 || right==1){
return 2;
}

• 情况4：头结点没有覆盖

以上都处理完了，递归结束之后，可能头结点 还有一个无覆盖的情况，如图：

所以递归结束之后，还要判断根节点，如果没有覆盖，res++，代码如下：

if(traversal(root)==0){
res++;
}

分析了以上情况，整体代码如下：

/**
 * Definition for a binary tree node.
 * public class TreeNode {
 *     int val;
 *     TreeNode left;
 *     TreeNode right;
 *     TreeNode() {}
 *     TreeNode(int val) { this.val = val; }
 *     TreeNode(int val, TreeNode left, TreeNode right) {
 *         this.val = val;
 *         this.left = left;
 *         this.right = right;
 *     }
 * }
 */
class Solution {
            int res=0;
    public int minCameraCover(TreeNode root) {
//后序遍历二叉树，判断该节点的左右孩子的三种状态，如果头节点剩下来则单独判断
        if(traversal(root)==0){
            res++;
        }
        return res;
    }

 int traversal(TreeNode root){
        if(root==null){
            return 2;
        }
        int left=traversal(root.left);
        int right=traversal(root.right);
        //处理单层逻辑
        //如果左右孩子都是有覆
        if(left==2 && right==2)
            return 0;
        //左右孩子至少有一个无覆盖
        else if(left==0 || right==0){
            res++;
            return 1;
        }
        //左右孩子至少有一个有摄像头
        else{ 
            return 2;
        }
    }
}

23. 贪心算法总结

贪心理论基础

1. 贪心很简单，就是常识？
   跟着一起刷题的录友们就会发现，贪心思路往往很巧妙，并不简单。

2. 贪心有没有固定的套路？
   贪心无套路，也没有框架之类的，需要多看多练培养感觉才能想到贪心的思路。

3. 究竟什么题目是贪心呢？
   Carl个人认为：如果找出局部最优并可以推出全局最优，就是贪心，如果局部最优都没找出来，就不是贪心，可能是单纯的模拟。（并不是权威解读，一家之辞哈）

但我们也不用过于强调什么题目是贪心，什么不是贪心，那就太学术了，毕竟学会解题就行了。

4. 如何知道局部最优推出全局最优，有数学证明么？
   在做贪心题的过程中，如果再来一个数据证明，其实没有必要，手动模拟一下，如果找不出反例，就试试贪心。面试中，代码写出来跑过测试用例即可，或者自己能自圆其说理由就行了

就像是 要用一下 1 + 1 = 2，没有必要再证明一下 1 + 1 究竟为什么等于 2。（例子极端了点，但是这个道理）

贪心简单题

以下三道题目就是简单题，大家会发现贪心感觉就是常识。是的，如下三道题目，就是靠常识，但我都具体分析了局部最优是什么，全局最优是什么，贪心也要贪的有理有据！

• 贪心算法：分发饼干(opens new window)
• 贪心算法：K次取反后最大化的数组和(opens new window)
• 贪心算法：柠檬水找零(opens new window)

贪心中等题

贪心中等题，靠常识可能就有点想不出来了。开始初现贪心算法的难度与巧妙之处。

• 贪心算法：摆动序列(opens new window)
• 贪心算法：单调递增的数字(opens new window)

贪心解决股票问题

大家都知道股票系列问题是动规的专长，其实用贪心也可以解决，而且还不止就这两道题目，但这两道比较典型，我就拿来单独说一说

• 贪心算法：买卖股票的最佳时机II(opens new window)
• 贪心算法：买卖股票的最佳时机含手续费 (opens new window)本题使用贪心算法比较绕，建议后面学习动态规划章节的时候，理解动规就好

两个维度权衡问题

在出现两个维度相互影响的情况时，两边一起考虑一定会顾此失彼，要先确定一个维度，再确定另一个一个维度。

• 贪心算法：分发糖果(opens new window)
• 贪心算法：根据身高重建队列(opens new window)
  在讲解本题的过程中，还强调了编程语言的重要性，模拟插队的时候，使用C++中的list（链表）替代了vector(动态数组)，效率会高很多。

贪心难题

这里的题目如果没有接触过，其实是很难想到的，甚至接触过，也一时想不出来，所以题目不要做一遍，要多练！

贪心解决区间问题

关于区间问题，大家应该印象深刻，有一周我们专门讲解的区间问题，各种覆盖各种去重。

• 贪心算法：跳跃游戏(opens new window)
• 贪心算法：跳跃游戏II(opens new window)
• 贪心算法：用最少数量的箭引爆气球(opens new window)
• 贪心算法：无重叠区间(opens new window)
• 贪心算法：划分字母区间(opens new window)
• 贪心算法：合并区间(opens new window)

其他难题

• 贪心算法：最大子序和 (opens new window)其实是动态规划的题目，但贪心性能更优，很多同学也是第一次发现贪心能比动规更优的题目。

• 贪心算法：加油站 (opens new window)可能以为是一道模拟题，但就算模拟其实也不简单，需要把while用的很娴熟。但其实是可以使用贪心给时间复杂度降低一个数量级。

最后贪心系列压轴题目贪心算法：我要监控二叉树！ (opens new window)，不仅贪心的思路不好想，而且需要对二叉树的操作特别娴熟，这就是典型的交叉类难题了。