738. 单调递增的数字

738. 单调递增的数字

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 。

示例 1:

输入: n = 10
输出: 9

示例 2:

输入: n = 1234
输出: 1234

示例 3:

输入: n = 332
输出: 299

提示:

  • 0 <= n <= 109
  • //暴力法,分解数字--------->超时
    class Solution {
        static bool check(int x){
            int maxnum=10;
            while(x){
                int t=x%10;
                if(maxnum>=t){
                    maxnum=t;
                }
                else{
                    return false;
                }
                x/=10;
            }
            return true;
        }
    public:
        int monotoneIncreasingDigits(int n) {
            for(int i=n;i>0;i--){
                if(check(i)){
                    return i;
                }
            }
            return 0;
        }
    };
    class Solution {
    public:
        int monotoneIncreasingDigits(int n) {
            //第一步将整数转成字符串,类似于高精度算法
            string str=to_string(n);
            //定义一个标志符flag
            bool flag=false;
            //如果高位大于次高位,直接高位减一,次高位变9,后面都变9
            //例如45357-->44999
            //但是例如332-->329,顾后不顾前,随意需要从后往前在遍历一遍
            for(int i=1;i<str.size();i++){
                //
                if(str[i-1]>str[i]&&flag==false){
                    str[i-1]--;
                    flag=true;
                }
                if(flag){
                    str[i]='9';
                }
            }
            //从后往前在遍历一遍
            //还是如果高位大于次高位,直接高位减一,次高位变9,后面都变9
            for(int i=str.size()-1;i>0;i--){
                if(str[i-1]>str[i]){
                    str[i]='9';
                    //不能一直减一,剪成负数了
                    if(str[i-1]!='0'){
                        str[i-1]--;
                    }
                }
            }
            //stoi将字符串转整数
            return stoi(str);
        }
    };

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最长单调递增子序列问题的动态规划算法实现: 1. 定义状态:dp[i]表示以第i个元素为结尾的最长单调递增子序列的长度。 2. 初始化:dp[i]初始值为1,因为任意一个元素本身就是一个长度为1的单调递增子序列。 3. 状态转移方程:对于每个元素i,枚举其之前的元素j(j<i),如果nums[j] < nums[i],则dp[i] = max(dp[i], dp[j]+1)。 4. 最终结果:遍历dp数组,找到最大值。 代码实现: ``` def longestIncreasingSubsequence(nums): n = len(nums) dp = [1] * n for i in range(1, n): for j in range(i): if nums[j] < nums[i]: dp[i] = max(dp[i], dp[j]+1) return max(dp) ``` 数字三角形问题的动态规划算法实现: 1. 定义状态:dp[i][j]表示从顶部走到(i,j)位置的最小路径和。 2. 初始化:dp[0][0] = triangle[0][0],其他dp[i][j]的初始值为正无穷。 3. 状态转移方程:对于每个位置(i,j),有两个状态可以转移过来,即(i-1,j)和(i-1,j-1),因此dp[i][j] = min(dp[i-1][j], dp[i-1][j-1]) + triangle[i][j]。 4. 最终结果:遍历dp数组的最后一行,找到最小值。 代码实现: ``` def minimumTotal(triangle): n = len(triangle) dp = [[float('inf')] * n for _ in range(n)] dp[0][0] = triangle[0][0] for i in range(1, n): for j in range(i+1): dp[i][j] = min(dp[i-1][j], dp[i-1][j-1]) + triangle[i][j] return min(dp[-1]) ``` 效率分析: 最长单调递增子序列问题的时间复杂度为O(n^2),空间复杂度为O(n)。 数字三角形问题的时间复杂度为O(n^2),空间复杂度为O(n^2)。
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