字节面试题——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 <= 10^9

贪心，倒序遍历

class Solution {
    public int monotoneIncreasingDigits(int N) {
        // 将整数 N 转换为字符串，再转换为字符数组
        char[] arr = Integer.toString(N).toCharArray();

        int len = arr.length;
        int marker = len; // 用于标记需要改为 '9' 的开始位置

        // 倒序遍历字符数组
        for (int i = len - 1; i > 0; i--) {
            if (arr[i] < arr[i - 1]) {
                // 如果发现当前数字小于前一个数字
                // 将前一个数字减 1，只需减一即可，例如342，4只需减到3，不需要减到2，因为2要变成9。
                arr[i - 1]--;
                // 标记需要改为 '9' 的开始位置
                marker = i;
            }
        }

        // 将从 marker 开始的所有数字改为 '9'
        for (int i = marker; i < len; i++) {
            arr[i] = '9';
        }

        // 将字符数组转换回整数并返回
        return Integer.parseInt(new String(arr));
    }
}

• 时间复杂度： $O(\log n)$ ，其中 $O(\log n)$ 表示数字 $n$ 的位数。我们遍历 $O(\log n)$ 的时间即能构造出满足条件的数字。
• 空间复杂度： $O(\log n)$ 。我们需要 $O(\log n)$ 的空间存放数字 $n$ 每一位的数字大小。

贪心+正序遍历

举例332，从左向右，首先是3，再3，再2，2比3小，不符合递增，所以将前一个数减1，也就是3-1变2，此时数字是329，继续回溯发现2<3，所以3-1变成2，此时变成222，把第二个2及其后面的数变成9即可。

class Solution {
    public int monotoneIncreasingDigits(int N) {
        // 将整数N转换为字符数组，以便逐个字符操作
        char[] arr = Integer.toString(N).toCharArray();
        int len = arr.length;
        
        // 找到第一个非单调递增的位置
        int marker = len; // 用于标记需要改为 '9' 的开始位置
        for (int i = 1; i < len; i++) {
            if (arr[i] < arr[i - 1]) {
                marker = i;
                // 找到后从marker开始向左回溯，将arr[marker-1]减1
                while (marker > 0 && arr[marker - 1] > arr[marker]) {
                    arr[marker - 1]--;
                    marker--;
                }
                // 只要找到第一个非递增的位置即可，不需要往后找了，因为后面的都要变成9
                break;
            }
        }
        
        // 将从 marker 开始的所有数字改为 '9'，注意是从marker+1开始。
        for (int i = marker + 1; i < len; i++) {
            arr[i] = '9';
        }

        // 将字符数组转换回整数并返回
        return Integer.parseInt(new String(arr));
    }
}

• 时间复杂度： $O(\log n)$ ，其中 $O(\log n)$ 表示数字 $n$ 的位数。我们遍历 $O(\log n)$ 的时间即能构造出满足条件的数字。
• 空间复杂度： $O(\log n)$ 。我们需要 $O(\log n)$ 的空间存放数字 $n$ 每一位的数字大小。