代码随想录day37|贪心收尾|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|贪心总结|Golang

代码随想录day37

今天结束后,剩下DP大头了

目录

代码随想录day37

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

贪心算法总结


738.单调递增的数字

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。

        局部最优:遇到strNum[i - 1] > strNum[i]的情况,让strNum[i - 1]--,然后strNum[i]给为9,可以保证这两位变成最大单调递增整数

        全局最优:得到小于等于N的最大单调递增的整数

        但这里局部最优推出全局最优,还需要其他条件,即遍历顺序,和标记从哪一位开始统一改成9。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。

        所以从前后向遍历会改变已经遍历过的结果!

        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

        确定了遍历顺序之后,那么此时局部最优就可以推出全局,找不出反例,试试贪心。

Go代码如下:

func monotoneIncreasingDigits(N int) int {
    s := strconv.Itoa(N)//将数字转为字符串,方便使用下标
    ss := []byte(s)//将字符串转为byte数组,方便更改。
    n := len(ss)
    if n <= 1 {
        return N
    }
    for i:=n-1 ; i>0; i-- {
        if ss[i-1] > ss[i] {//前一个大于后一位,前一位减1,后面的全部置为9
            ss[i-1] -= 1
            for j := i ; j < n; j++ {//后面的全部置为9
                ss[j] = '9'
            }
        } 
    }
    res, _ := strconv.Atoi(string(ss))
    return res 
}

714. 买卖股票的最佳时机含手续费

贪心算法

贪心算法:122.买卖股票的最佳时机II

中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。

        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)

贪心算法Go代码如下:

 

func maxProfit(prices []int, fee int) int {
    buy := prices[0] + fee 
    profit := 0
    for i:=1;i<len(prices);i++{
        if prices[i] + fee < buy {  // 这里买入比前面买入要划算呢,这里买入呢
            buy = prices[i] + fee
            
        } else if prices[i] > buy { // 该出手了
            profit += prices[i] - buy
            buy = prices[i]     // 留一手
        }
    }
    return profit
}

        本题贪心的思路其实是比较难的,动态规划才是常规做法,但也算是给大家拓展一下思路,感受一下贪心的魅力。

        后期我们在讲解 股票问题系列的时候,会用动规的方式把股票问题穿个线

968.监控二叉树

        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。

 

思路

        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!

        局部最优推出全局最优,找不出反例,那么就按照贪心来!

        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:

func traversal(root *TreeNode) {

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

    left := traversal(cur.left);    // 左
    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

大家应该找不出第四个节点的状态了。

        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。

代码如下:

// 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:

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:

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)

        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:

if (left == 1 || right == 1) return 2;

        从这个代码中,可以看出,如果left == 1, right == 0 怎么办?其实这种条件在情况2中已经判断过了,如图:

这种情况也是大多数同学容易迷惑的情况。

•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;
}

以上四种情况我们分析完了,代码也差不多了,整体代码如下:

以下我的代码注释很详细,为了把情况说清楚,特别把每种情况列出来。

/**
 * Definition for a binary tree node.
 * type TreeNode struct {
 *     Val int
 *     Left *TreeNode
 *     Right *TreeNode
 * }
 */

var res int

func minCameraCover(root *TreeNode) int {

    res = 0
    if dfs(root) == 1 {
        // 如果最顶端的元素没有被安装,也没有被监视
        // 那么这个节点需要安装一个摄像头
        res ++
    }
    return res;
}

// 1未被监视, 2安装摄像头
// 一个c一个v骗骗自己罢了

func dfs(root *TreeNode) int {

    // 最后一个节点不关心
    if root == nil {
        return 0
    }

    left := dfs(root.Left)
    right := dfs(root.Right)

    // 如果子节点没有被监视
    if left == 1 || right == 1 {
        // 安装摄像头
        res++
        return 2
    }

    // 如果子节点安装摄像头
    if left == 2 || right == 2 {
        // 标记被监视
        return 3
    }
    return 1
}

贪心算法总结

没有总结。多刷题,最后一道还是不懂的。再学学吧。

 

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

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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