_32LeetCode代码随想录算法训练营第三十二天-贪心算法 | 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
题目列表
- 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
代码随想录地址:https://programmercarl.com/0738.%E5%8D%95%E8%B0%83%E9%80%92%E5%A2%9E%E7%9A%84%E6%95%B0%E5%AD%97.html
题目
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
思路
首先将n转换为字符串strNum
遇到strNum[i - 1] > strNum[i]的情况,让strNum[i - 1]–,记录最终改变strNum[i]的位置,它以及它后面的元素全部变为9。
从后往前遍历。
代码
/*
* @lc app=leetcode.cn id=738 lang=cpp
*
* [738] 单调递增的数字
*/
// @lc code=start
class Solution {
public:
int monotoneIncreasingDigits(int n) {
//将数据转换为字符串
string str = to_string(n);
int flag = str.size();//记录从什么地方开始变为9
for(int i = str.size() - 1; i > 0; i--)
{
//如果遇到str[i - 1] > str[i],那么就将str[i - 1]--,并将str[i]设置为9
if(str[i - 1] > str[i])
{
str[i - 1]--;
flag = i;
}
}
//将flag位置及其后面的元素全部置为'9'
for(int i = flag; i < str.size(); i++)
{
str[i] = '9';
}
return stoi(str);
}
};
// @lc code=end
714.买卖股票的最佳时机含手续费
代码随想录地址:https://programmercarl.com/0714.%E4%B9%B0%E5%8D%96%E8%82%A1%E7%A5%A8%E7%9A%84%E6%9C%80%E4%BD%B3%E6%97%B6%E6%9C%BA%E5%90%AB%E6%89%8B%E7%BB%AD%E8%B4%B9.html
题目
给定一个整数数组 prices
,其中 prices[i]
表示第 i
天的股票价格 ;整数 fee
代表了交易股票的手续费用。
你可以无限次地完成交易,但是你每笔交易都需要付手续费。如果你已经购买了一个股票,在卖出它之前你就不能再继续购买股票了。
返回获得利润的最大值。
**注意:**这里的一笔交易指买入持有并卖出股票的整个过程,每笔交易你只需要为支付一次手续费。
示例 1:
输入:prices = [1, 3, 2, 8, 4, 9], fee = 2
输出:8
解释:能够达到的最大利润:
在此处买入 prices[0] = 1
在此处卖出 prices[3] = 8
在此处买入 prices[4] = 4
在此处卖出 prices[5] = 9
总利润: ((8 - 1) - 2) + ((9 - 4) - 2) = 8
示例 2:
输入:prices = [1,3,7,5,10,3], fee = 3
输出:6
说明
是动态规划的经典题目,贪心算法比较拗口,因此跳过。
968.监控二叉树
代码随想录地址:https://programmercarl.com/0968.%E7%9B%91%E6%8E%A7%E4%BA%8C%E5%8F%89%E6%A0%91.html
题目
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。
示例 1:
输入:[0,0,null,0,0]
输出:1
解释:如图所示,一台摄像头足以监控所有节点。
示例 2:
输入:[0,0,null,0,null,0,null,null,0]
输出:2
解释:需要至少两个摄像头来监视树的所有节点。 上图显示了摄像头放置的有效位置之一。
提示:
- 给定树的节点数的范围是
[1, 1000]
。 - 每个节点的值都是 0。
思路
整体思路
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!
为什么不从头节点开始安装摄像头,因为要计算最少的监控数量;如果从头节点开始,那么最多也就能省下一个摄像头,从叶子节点开始,就能省下很多摄像头。
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。
本题的两个难点:
- 二叉树的遍历
- 如何隔两个节点放一个摄像头
难点1
选择后序遍历,也就是左右中的遍历,以达到从叶子节点开始考虑安装摄像头。
难点2
使用状态转移的方式,综合考虑所有节点只可能有这三种状态。
- 0:该节点无覆盖
- 1:本节点有摄像头
- 2:本节点有覆盖
空节点应该是哪种状态?如果空节点为无覆盖,那么空节点的父节点——叶子节点也是无覆盖的,需要在叶子节点放摄像头,不符合要求最少摄像头数量;如果空节点有摄像头,那么叶子节点就是有覆盖的,叶子节点的父节点是无覆盖的,不需要在叶子节点的父节点放置摄像头,不成立;如果空节点为有覆盖,那么叶子节点就是无覆盖的,需要在叶子节点的父节点放置摄像头,成立。因此,空节点应该是有覆盖的状态。
因此递归的终止条件为:
// 空节点,该节点有覆盖
if (cur == NULL) return 2;
递归的单层逻辑处理分为四种情况:
- 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:
- 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
- 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
- 情况4:头结点没有覆盖
其实就是三种情况,当前节点为状态0、1、2
代码
/*
* @lc app=leetcode.cn id=968 lang=cpp
*
* [968] 监控二叉树
*/
// @lc code=start
/**
* Definition for a binary tree node.
* struct TreeNode {
* int val;
* TreeNode *left;
* TreeNode *right;
* TreeNode() : val(0), left(nullptr), right(nullptr) {}
* TreeNode(int x) : val(x), left(nullptr), right(nullptr) {}
* TreeNode(int x, TreeNode *left, TreeNode *right) : val(x), left(left), right(right) {}
* };
*/
class Solution {
private:
int result;
int traversal(TreeNode* cur) {
// 空节点,该节点有覆盖
if (cur == NULL) return 2;
int left = traversal(cur->left); // 左
int right = traversal(cur->right); // 右
// 情况1
// 左右节点都有覆盖,那么其父节点无覆盖,返回0
if (left == 2 && right == 2) return 0;
// 情况2
// 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
if (left == 0 || right == 0) {
result++;
return 1;//在当前节点放置摄像头
}
// 情况3
// 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
// 其他情况前段代码均已覆盖,前面已经判断了左右至少有一个无覆盖的情况
if (left == 1 || right == 1) return 2;
// 以上代码我没有使用else,主要是为了把各个分支条件展现出来,这样代码有助于读者理解
// 这个 return -1 逻辑不会走到这里。
return -1;
}
public:
int minCameraCover(TreeNode* root) {
result = 0;
// 情况4
if (traversal(root) == 0) { // root 无覆盖
result++;
}
return result;
}
};
// @lc code=end
贪心算法总结
代码随想录地址:https://programmercarl.com/%E8%B4%AA%E5%BF%83%E7%AE%97%E6%B3%95%E6%80%BB%E7%BB%93%E7%AF%87.html
贪心简单题
贪心中等题
贪心解决股票问题
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。
贪心难题
贪心解决区间问题
- 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)