LeetCode单调栈84

文章描述了一个名为`Solution`的类中的方法,用于计算给定高度数组构成的柱状图中最大的矩形面积。方法利用栈实现动态规划,通过比较当前高度与栈顶高度来调整栈,找到每个可能的矩形边界,计算并更新最大面积。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

84柱状图中最大的矩形

class Solution:
    def largestRectangleArea(self, heights: List[int]) -> int:
        result = 0
        heights.insert(0, 0)
        heights.append(0)
        stack = [0]
        for i in range(1, len(heights)):
            if heights[i] > heights[stack[-1]]:
                stack.append(i)
            elif heights[i] == heights[stack[-1]]:
                stack.pop()
                stack.append(i)
            else:
                while len(stack) > 1 and heights[i] < heights[stack[-1]]:
                    h = heights[stack[-1]]
                    stack.pop()
                    w_left = stack[-1]
                    w = i - w_left - 1
                    result = max(result, h * w)
                stack.append(i)
        return result

### LeetCode 单调栈技巧解析 单调栈是一种特殊的栈数据结构,在处理特定类型的算法问题时非常有效。这类问题通常涉及寻找某个元素左边或右边第一个大于或小于该元素的位置。 #### 1. 基本概念 单调栈分为两种形式:**单调递增栈** 和 **单调递减栈**。前者用于解决「下一个更大元素」类的问题;后者适用于「下一个更小元素」的情况[^4]。 对于给定序列中的每一个位置,如果想要找到其右侧最近的一个比自己大的数,则可以采用单调递增栈来完成这一目标。每当遇到一个新的数值时,会持续移除栈顶那些不大于新加入值的成员直到满足条件为止,并记录下这些被移除项对应的结果。之后再把新的值压入栈底继续上述过程直至遍历结束[^1]。 ```python def nextGreaterElement(nums1, nums2): """ :type nums1: List[int] :type nums2: List[int] :rtype: List[int] """ dict_ = {} stack = [] for num in nums2: while stack and stack[-1] < num: dict_[stack.pop()] = num stack.append(num) result = [dict_.get(x, -1) for x in nums1] return result ``` 此代码片段展示了如何利用单调递增栈求解`nums2`中各元素在其后的首个较大者,并通过字典保存映射关系以便快速查询来自`nums1`列表内的请求。 #### 2. 应用场景举例 - **股票最大利润计算** 当面对像买卖股票获取最大收益这样的实际应用案例时,也可以借助类似的思路——即维护一个最小买入价格变量并不断更新潜在的最大差额作为最终获利金额[^2]: ```c int maxProfit(int* prices, int pricesSize) { if (pricesSize <= 1) { return 0; } int maxprof = 0; int minprice = prices[0]; for (int i = 0; i < pricesSize; ++i) { if (prices[i] > minprice) { maxprof = fmax(maxprof, prices[i] - minprice); } else { minprice = prices[i]; } } return maxprof; } ``` - **去除重复字母** 另外还有诸如删除字符串里的冗余字符以形成字典序最小的新串等问题也能运用到相同的技术框架之上。这里的关键在于维持一个不含任何前导相同字符且保持严格升序排列的状态机(即所谓的“单调栈”),从而确保每次新增加进来的小写字母都能恰当地安置在合适之处而不破坏整体顺序性[^3]: ```python from collections import Counter class Solution: def removeDuplicateLetters(self, s: str) -> str: stack = [] remains = Counter(s) for char in s: if char not in stack: while stack and remains[stack[-1]] > 0 and stack[-1] > char: stack.pop() stack.append(char) remains[char] -= 1 return ''.join(stack) ``` 综上所述,掌握好单调栈这种高效的数据结构及其背后的工作原理能够帮助更好地理解和应对一系列经典的编程挑战题目。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值