给定一个非负整数 N,找出小于或等于 N 的最大的整数,同时这个整数需要满足其各个位数上的数字是单调递增。
(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。)
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
class Solution {
public int[][] merge(int[][] intervals) {
List res=new LinkedList<>();
Arrays.sort(intervals, (a,b)->Integer.compare(a[0], b[0]));
int start=intervals[0][0];
int end =intervals[0][1];
for(int i=1;iend){//不重叠
res.add(new int[]{start, end});//将当前节点加入res
start=intervals[i][0]; //更新start
end=intervals[i][1];
}else{
end=Math.max(end, intervals[i][1]); //更新最大右边界
}
}
res.add(new int[]{start, end});
return res.toArray(new int[res.size()][]);
}
}
在贪心系列开篇词关于贪心算法,你该了解这些! (opens new window)中,我们就讲解了大家对贪心的普遍疑惑。
跟着一起刷题的录友们就会发现,贪心思路往往很巧妙,并不简单。
贪心无套路,也没有框架之类的,需要多看多练培养感觉才能想到贪心的思路。
Carl个人认为:如果找出局部最优并可以推出全局最优,就是贪心,如果局部最优都没找出来,就不是贪心,可能是单纯的模拟。(并不是权威解读,一家之辞哈)
但我们也不用过于强调什么题目是贪心,什么不是贪心,那就太学术了,毕竟学会解题就行了。
在做贪心题的过程中,如果再来一个数据证明,其实没有必要,手动模拟一下,如果找不出反例,就试试贪心。面试中,代码写出来跑过测试用例即可,或者自己能自圆其说理由就行了
就像是 要用一下 1 + 1 = 2,没有必要再证明一下 1 + 1 究竟为什么等于 2。(例子极端了点,但是这个道理)
相信大家读完关于贪心算法,你该了解这些! (opens new window),就对贪心有了一个基本的认识了。
以下三道题目就是简单题,大家会发现贪心感觉就是常识。是的,如下三道题目,就是靠常识,但我都具体分析了局部最优是什么,全局最优是什么,贪心也要贪的有理有据!
贪心中等题,靠常识可能就有点想不出来了。开始初现贪心算法的难度与巧妙之处。
大家都知道股票系列问题是动规的专长,其实用贪心也可以解决,而且还不止就这两道题目,但这两道比较典型,我就拿来单独说一说
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。
在讲解本题的过程中,还强调了编程语言的重要性,模拟插队的时候,链表替代数组效率会高很多。
所以在贪心算法:根据身高重建队列(续集) (opens new window)详细讲解了,为什么用list(链表)更快!
大家也要掌握自己所用的编程语言,理解其内部实现机制,这样才能写出高效的算法!
这里的题目如果没有接触过,其实是很难想到的,甚至接触过,也一时想不出来,所以题目不要做一遍,要多练!
关于区间问题,大家应该印象深刻,有一周我们专门讲解的区间问题,各种覆盖各种去重。
贪心算法:最大子序和 (opens new window)其实是动态规划的题目,但贪心性能更优,很多同学也是第一次发现贪心能比动规更优的题目。
贪心算法:加油站 (opens new window)可能以为是一道模拟题,但就算模拟其实也不简单,需要把while用的很娴熟。但其实是可以使用贪心给时间复杂度降低一个数量级。
最后贪心系列压轴题目贪心算法:我要监控二叉树! (opens new window),不仅贪心的思路不好想,而且需要对二叉树的操作特别娴熟,这就是典型的交叉类难题了。