代码随想录刷题|LeetCode 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

简介: 代码随想录刷题|LeetCode 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

738.单调递增的数字

题目链接:力扣

思路


   这个题意是很简单的,拿到题目就会有一个思路,就是沿着给定的数字往下判断就可以了,这其实是一种暴力解法,对java语言来说会超出时长。所以应该使用其他方法


       本题要求的是小于等于N的最大单调递增的正数,要明白一种情况: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

       比如:332 ,后面的32是不满足的,那就将2变成9,前面的3减一变成2。

                 成为了329,其实中间的331,330,也都是不满足的

                 此时前面的32也是不满足的,那就将2变成9,前面的3减一变成2.

                 成为了229,其中230-329 都是不满足的


       所以这道题目的局部最优是: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


       全局最优是:得到小于等于N的最大单调递增的整数


       可以从局部最优可以推出全局最优,但是还存在一个问题,那就是对数字的遍历顺序,是从前向后遍历呢,还是从后向前遍历呢


       还是以332为例:

       从前向后遍历,33 是满足条件的,32是不满足条件的,改成29,最终是329,是不可以的,所以从前向后遍历会改变已经遍历过的结果了,就会造成不准确

       从后向前遍历,32是不满足情况的,改成29,为329,接下来,32是不满足情况的,改成29,最终是229,所以从后向前遍历,是可以不断利用上次比较出的结果的


       所以这道题目要想清楚两件事:

               1、贪心思路在哪里:怎么保证局部最优,这个是不好想到的

               2、选择哪种遍历顺序


单调递增的数字

暴力解法(会超出时长)

class Solution {
    public int monotoneIncreasingDigits(int n) {
        for (int i = n; i > 0; i--) {
            if (checkNum(i)) {
                return i;
            }           
        }
        return 0;
    }
    private boolean checkNum(int num) {
        int max = 10;
        while (num > 0) {
            int t = num % 10;
            if (max >= t) {
                max = t;
            } else {
                return false;
            }
            num = num / 10;
        }
        return true;
    }
}

贪心解法

       java中

class Solution {
    public int monotoneIncreasingDigits(int n) {
        // 将数组转换成字符串
        String s = String.valueOf(n);
        // 将字符串转换成字符数组
        char[] chars = s.toCharArray();
        int start = s.length();
        for (int i = s.length() - 2; i >= 0; i--) {
            if (chars[i] > chars[i + 1]) {
                chars[i]--;
                start = i + 1;
            }
        }
        for (int i = start; i < s.length(); i++) {
            chars[i] = '9';
        }
        return Integer.parseInt(String.valueOf(chars));
    }
}

714. 买卖股票的最佳时机含手续费

题目链接:力扣

思路

       二刷再看

买卖股票的最佳时机含手续费

968.监控二叉树

题目链接:力扣

思路

       二刷再看

监控二叉树

相关文章
|
Go 开发者 索引
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣33 / 81/ 153/154)(Go语言版)
本文深入探讨了LeetCode中四道关于「搜索旋转排序数组」的经典题目,涵盖了无重复和有重复元素的情况。通过二分查找的变形应用,文章详细解析了每道题的解题思路和Go语言实现代码。关键点包括判断有序区间、处理重复元素以及如何缩小搜索范围。文章还总结了各题的异同,并推荐了类似题目,帮助读者全面掌握二分查找在旋转数组中的应用。无论是初学者还是有经验的开发者,都能从中获得实用的解题技巧和代码实现方法。
543 14
|
Go
【LeetCode 热题100】DP 实战进阶:最长递增子序列、乘积最大子数组、分割等和子集(力扣300 / 152/ 416 )(Go语言版)
本文深入解析三道经典的动态规划问题:**最长递增子序列(LIS)**、**乘积最大子数组** 和 **分割等和子集**。 - **300. LIS** 通过 `dp[i]` 表示以第 `i` 个元素结尾的最长递增子序列长度,支持 O(n²) 动态规划与 O(n log n) 的二分优化。 - **152. 乘积最大子数组** 利用正负数特性,同时维护最大值与最小值的状态转移方程。 - **416. 分割等和子集** 转化为 0-1 背包问题,通过布尔型 DP 实现子集和判断。 总结对比了三题的状态定义与解法技巧,并延伸至相关变种问题,助你掌握动态规划的核心思想与灵活应用!
489 1
|
算法 Go
【LeetCode 热题100】深入理解二叉树结构变化与路径特性(力扣104 / 226 / 114 / 543)(Go语言版)
本博客深入探讨二叉树的深度计算、结构变换与路径分析,涵盖四道经典题目:104(最大深度)、226(翻转二叉树)、114(展开为链表)和543(二叉树直径)。通过递归与遍历策略(前序、后序等),解析每题的核心思路与实现方法。结合代码示例(Go语言),帮助读者掌握二叉树相关算法的精髓。下一讲将聚焦二叉树构造问题,欢迎持续关注!
404 10
|
存储 算法 数据可视化
【二叉树遍历入门:从中序遍历到层序与右视图】【LeetCode 热题100】94:二叉树的中序遍历、102:二叉树的层序遍历、199:二叉树的右视图(详细解析)(Go语言版)
本文详细解析了二叉树的三种经典遍历方式:中序遍历(94题)、层序遍历(102题)和右视图(199题)。通过递归与迭代实现中序遍历,深入理解深度优先搜索(DFS);借助队列完成层序遍历和右视图,掌握广度优先搜索(BFS)。文章对比DFS与BFS的思维方式,总结不同遍历的应用场景,为后续构造树结构奠定基础。
653 10
|
Go 索引 Perl
【LeetCode 热题100】【二叉树构造题精讲:前序 + 中序建树 & 有序数组构造 BST】(详细解析)(Go语言版)
本文详细解析了二叉树构造的两类经典问题:通过前序与中序遍历重建二叉树(LeetCode 105),以及将有序数组转化为平衡二叉搜索树(BST,LeetCode 108)。文章从核心思路、递归解法到实现细节逐一拆解,强调通过索引控制子树范围以优化性能,并对比两题的不同构造逻辑。最后总结通用构造套路,提供进阶思考方向,帮助彻底掌握二叉树构造类题目。
923 9
|
Go
【LeetCode 热题100】路径与祖先:二叉树中的深度追踪技巧(力扣437 / 236 )(Go语言版)
本文深入探讨二叉树中路径与祖先问题,涵盖两道经典题目:LeetCode 437(路径总和 III)和236(最近公共祖先)。对于路径总和 III,文章分析了双递归暴力解法与前缀和优化方法,后者通过哈希表记录路径和,将时间复杂度从O(n²)降至O(n)。在最近公共祖先问题中,采用后序遍历递归查找,利用“自底向上”的思路确定最近公共祖先节点。文中详细解析代码实现与核心要点,帮助读者掌握深度追踪技巧,理解树结构中路径与节点关系的本质。这类问题在面试中高频出现,掌握其解法意义重大。
331 4
|
机器学习/深度学习 人工智能 自然语言处理
280页PDF,全方位评估OpenAI o1,Leetcode刷题准确率竟这么高
【10月更文挑战第24天】近年来,OpenAI的o1模型在大型语言模型(LLMs)中脱颖而出,展现出卓越的推理能力和知识整合能力。基于Transformer架构,o1模型采用了链式思维和强化学习等先进技术,显著提升了其在编程竞赛、医学影像报告生成、数学问题解决、自然语言推理和芯片设计等领域的表现。本文将全面评估o1模型的性能及其对AI研究和应用的潜在影响。
493 1
【LeetCode 43】236.二叉树的最近公共祖先
【LeetCode 43】236.二叉树的最近公共祖先
205 0
【LeetCode 38】617.合并二叉树
【LeetCode 38】617.合并二叉树
156 0
【LeetCode 37】106.从中序与后序遍历构造二叉树
【LeetCode 37】106.从中序与后序遍历构造二叉树
188 0