代码随想录算法训练营第37天 | 738.单调递增的数字 714.买卖股票的最佳时机含手续费 968.监控二叉树

代码随想录系列文章目录

贪心篇

---

---

738.单调递增的数字

题目链接
小于等于n 的最大数字，这感觉一下子就像二分查找，然后我写了如下代码，但是在二分的区间的选择上出现了问题，如果想简单的用二分，那么必须先统计一下所有的小于等于n的递增数，这是很费时间的

def monotoneIncreasingDigits(self, n: int) -> int:
        def check(x):
            s = str(x)
            if len(s) == 1 and int(s) <= n: return True
            for i in range(1, len(s)):
                if int(s[i]) < int(s[i-1]):
                    return False
            return True
        a = []    
        for i in range(n+1):
            if check(i): a.append(i)
        a.sort()
        l, r = 0, a[-1]
        while l < r:
            mid = (l+r+1) // 2
            if mid <= n: l = mid
            else: r = mid-1
        return l 

所以我看了贪心的思路
从后向前遍历，如果遇到strnum[i-1] > strnum[i]的情况，把strnum[i-1] 减1，然后strnum[i]变成9， 这样的话损耗最小而且局部最优

比如 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

而从前后向遍历会改变已经遍历过的结果
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。

具体操作的话，遇到100这种情况，如果说只改s[i] 为 9，答案是90，那怎么做呢？只要把s[i:]全变成9就行了

class Solution:
    def monotoneIncreasingDigits(self, n: int) -> int:
        s = list(str(n))
        for i in range(len(s)-1, 0, -1):
            if int(s[i]) < int(s[i-1]):
                s[i:] = '9'*(len(s)-i)
                s[i-1] = str(int(s[i-1])-1)
        return int(''.join(s))

714.买卖股票的最佳时机含手续费

题目链接
本题相对于122.买卖股票的最佳时机II只增加了一次手续费， 在那个题里使用贪心策略不用关心具体什么时候买卖，只要收集每天的正利润，最后稳稳的就是最大利润了。

而本题有了手续费，就要关系什么时候买卖了，因为计算所获得利润，需要考虑买卖利润可能不足以手续费的情况。

dp解法

状态定义
dp[i][0]:表示第i天买了股票后的最多的钱
dp[i][1]:表示第i天所有的总资产（能卖股票套现）

状态转移
dp[i][0] 第i天持股票所剩最多现金 = max(第i-1天持股票所剩现金, 第i-1天持现金-买第i天的股票)
dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i])

dp[i][1] 第i天持有最多现金 = max(第i-1天持有的最多现金，第i-1天持有股票的最多现金+第i天卖出股票)
dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i]-fee)

初始化和方向
dp[0][0] -= prices[0]
方向从左到右

class Solution:
    def maxProfit(self, prices: List[int], fee: int) -> int:
        n = len(prices)
        dp = [[0]*2 for _ in range(n)]
        dp[0][0] -= prices[0]
        for i in range(1,n):
            dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i])
            dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i]-fee)
        return max(dp[n-1][0], dp[n-1][1])

而在122.代码里不需要减去手续费就行了

如果使用贪心策略，就是最低值买，最高值（如果算上手续费还盈利）就卖。
此时无非就是要找到两个点，买入日期，和卖出日期。

买入日期：其实很好想，遇到更低点就记录一下。
卖出日期：这个就不好算了，但也没有必要算出准确的卖出日期，只要当前价格大于（最低价格+手续费），就可以收获利润，至于准确的卖出日期，就是连续收获利润区间里的最后一天（并不需要计算是具体哪一天）。

所以我们在做收获利润操作的时候其实有三种情况：

情况一：收获利润的这一天并不是收获利润区间里的最后一天（不是真正的卖出，相当于持有股票），所以后面要继续收获利润。
情况二：前一天是收获利润区间里的最后一天（相当于真正的卖出了），今天要重新记录最小价格了。
情况三：不作操作，保持原有状态（买入，卖出，不买不卖）

贪心解法

class Solution:
    def maxProfit(self, prices: List[int], fee: int) -> int:
        n = len(prices)
        res = 0
        minprice = prices[0]
        for i in range(1, n):
            if prices[i] < minprice: minprice = prices[i]

            if prices[i] >= minprice and prices[i] <= minprice + fee: continue

            if prices[i] > minprice + fee:
                res += prices[i] - minprice -fee
                minprice = prices[i] - fee  #情况1
        return res

这个是说明这个minprice是收获利润区间内的价格 price[i] -minprice-fee=price[i]-price[i-1]+fee-fee, 这样就不会多减去fee了， 对应情况一

968.监控二叉树

题目链接
思路很难想，实现不是很难

思路确定

摄像头可以覆盖上中下三层，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，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！

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。

二叉树遍历顺序

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) {

    // 空节点，该节点有覆盖
    if (终止条件) return ;

    int left = traversal(cur->left);    // 左
    int right = traversal(cur->right);  // 右

    逻辑处理                            // 中
    return ;
}

注意在以上代码中我们取了左孩子的返回值，右孩子的返回值，即left 和 right， 以后推导中间节点的状态

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：
有如下三种：

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
遍历树的过程中，就会遇到空节点 ，空节点究竟是哪一种状态呢？
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
递推关系
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）

// 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。

// 左右节点都有覆盖
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：
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。

if (left == 0 || right == 0) {
    result++;
    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）

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，result++，代码如下

int minCameraCover(TreeNode* root) {
    result = 0;
    if (traversal(root) == 0) { // root 无覆盖
        result++;
    }
    return result;
}

代码

# Definition for a binary tree node.
# class TreeNode:
#     def __init__(self, val=0, left=None, right=None):
#         self.val = val
#         self.left = left
#         self.right = right
class Solution:
    def minCameraCover(self, root: Optional[TreeNode]) -> int:
        res = 0
        def rec(root):
            nonlocal res
            if root == None: return 2
            left = rec(root.left)
            right = rec(root.right)
            # 转移状态，0 无覆盖  1 放摄像头  2 有覆盖
            if left == 2 and right == 2: return 0
            if left == 0 or right == 0:
                res += 1
                return 1
            if left == 1 or right == 1:
                return 2
        if rec(root) == 0: res += 1
        return res