738. 单调递增的数字

AC了，很快！但是又忘记可以从后向前遍历了！！！

class Solution:def monotoneIncreasingDigits(self, n: int) -> int:if n <= 9: return nn_list = [ord(x) - ord('0') for x in str(n)]n_len = len(n_list)max_index = 0for i in range(1, n_len):if n_list[i] > n_list[i - 1]:max_index = ielif n_list[i] < n_list[i - 1]:for j in range(max_index + 1, n_len):n_list[j] = 9n_list[max_index] -= 1return int(''.join(map(str, n_list)))

其实仔细想一下，也差不多...各有各的最坏情况。

class Solution:def monotoneIncreasingDigits(self, N: int) -> int:strNum = str(N)flag = len(strNum)for i in range(len(strNum) - 1, 0, -1):if strNum[i - 1] > strNum[i]:flag = istrNum = strNum[:i - 1] + str(int(strNum[i - 1]) - 1) + strNum[i:]for i in range(flag, len(strNum)):strNum = strNum[:i] + '9' + strNum[i + 1:]return int(strNum)

968. 监控二叉树

动态规划:

class Solution:def minCameraCover(self, root: Optional[TreeNode]) -> int:def dfs(node):if not node:return (0, 0, float('inf'))  # (不需要摄像头覆盖, 已覆盖但无摄像头, 有摄像头)left = dfs(node.left)right = dfs(node.right)dp0 = left[1] + right[1]dp1 = min(left[2] + min(right[1], right[2]), right[2] + min(left[1], left[2]))dp2 = 1 + min(left) + min(right)return dp0, dp1, dp2return min(dfs(root)[1:])

1. 节点未被直接监控（dp0）：该状态表示当前节点没有安装摄像头，并且它不需要被直接监控。这种情况适用于其子节点都已经被覆盖，但没有直接在当前节点安装摄像头的情况。对于这个状态，我们考虑的是子节点已被覆盖但无摄像头的情况的和。

2. 节点已被覆盖但无摄像头（dp1）：该状态表示当前节点已经被覆盖，但是没有在当前节点上安装摄像头。对于这个状态，我们考虑的是在至少一个子节点上安装摄像头（使得当前节点被覆盖）的最小摄像头数量，以及不在子节点上安装摄像头但子节点已被覆盖的情况。

3. 节点上安装了摄像头（dp2）：这种情况适用于直接在当前节点上安装摄像头，因此，无论子节点是如何覆盖的，当前节点及其直接子节点都会被监控到。计算这个状态的值时，我们考虑在当前节点上安装一个摄像头，加上子节点处于任意状态（已覆盖但无摄像头、未被直接监控、或是有摄像头）的最小和。

贪心总结：

其实感觉贪心算法算是比较特殊的优化问题，通过利用问题的性质（例如有序、单调等）进行贪心选择，一次选择之后只剩下一个子问题，也就不需要动态规划去找之前所有的子问题的解了。

有时候需要两次贪心，就要把一个复杂的问题分成多个优化问题，再对每一个问题进行贪心选择。

一刷感觉本章还算比较容易理解吧。