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 。

在这里插入图片描述
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。

在这里插入图片描述
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:
在这里插入图片描述
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:

在这里插入图片描述
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。

  1. 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。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值