LeetCode 84-柱状图中最大的矩形

LeetCode 84. 柱状图中最大的矩形 | Python 使用单调栈, 解决《84. 柱状图中最大的矩形》问题 阅读详情

给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。
求在该柱状图中,能够勾勒出来的矩形的最大面积。

在这里插入图片描述

输入:heights = [2,1,5,6,2,3]
输出:10
解释:最大的矩形为图中红色区域,面积为 10

解题思路:

  1. 遍历每根柱子,将当前柱子 i 的高度作为矩形的高,随后我们需要进行向左右两边扩展,使得扩展到的柱子的高度均不小于 h。即找到左右两侧最近的高度小于 h 的柱子
  2. 这样这两根柱子之间(不包括其本身)的所有柱子高度均不小于 h,并且就是 i 能够扩展到的最远范围
  3. 如果采用暴力的手段确定,会有许多重复的过程,可以使用单调栈进行优化
  4. 遍历每个柱体,若当前的柱体高度大于等于栈顶柱体的高度,就直接将当前柱体入栈
  5. 否则若当前的柱体高度小于栈顶柱体的高度,说明当前栈顶柱体找到了右边的第一个小于自身的柱体,即右边界
  6. 弹出栈顶元素作为高,此时栈顶元素就是左边界
  7. 那么就可以将栈顶柱体出栈来计算以其为高的矩形的面积了。(右边界-左边界-1)* h
class Solution {
    
    public int largestRectangleArea(int[] heights) {
    	//1. 在柱体数组的头和尾加了两个高度为0的柱体,便于计算
        int[] newArr = new int[heights.length + 2]; 
        for(int i = 0; i < heights.length; i++ ){
            newArr[i + 1] = heights[i];
        }
        newArr[0] = 0; newArr[newArr.length - 1] = 0;
		//2. 维护一个单调递增的栈
        Deque<Integer> deque = new LinkedList<>(); 
        int ans = 0;
        // 3. 计算每个位置的结果,取最大值
        for(int i = 0; i < newArr.length; i++) {
            while(!deque.isEmpty() && newArr[i] < newArr[deque.peek()]) {
                int h = newArr[deque.pop()];
                ans = Math.max(ans, (i - deque.peek() - 1) * h);
            }
            deque.push(i);
        }
        return ans;
    }
}

时间复杂度:O(N),只需要遍历两遍数组
空间复杂度:O(N),需要一个新的数据和单调栈存储数据

如果对您有所帮助的话,请点个赞吧!!!

原题链接

参考链接:
1.https://leetcode-cn.com/problems/largest-rectangle-in-histogram/solution/zhu-zhuang-tu-zhong-zui-da-de-ju-xing-by-leetcode-/
2.https://leetcode-cn.com/problems/largest-rectangle-in-histogram/solution/bao-li-jie-fa-zhan-by-liweiwei1419/

Java实现 LeetCode 84 柱状图中最大得矩形 84. 柱状图中最大的矩形 给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。 求在该柱状图中,能够勾勒出来的矩形的最大面积。 以上是柱状图的示例,其中每个柱子的宽度为 1,给定的高度为 [2,1,5,6,2,3]。 图中阴影部分为所能勾勒出的最大矩形面积,其面积为 10 个单位。 示例: 输入: [2,1,5,6,2,3] 输出: 10 class So... 阅读详情

相关推荐

LeetCode第84题_柱状图中最大的矩形

给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1。求在该柱状图中,能够勾勒出来的矩形的最大面积。

qq_40263592的博客 2466

Leetcode题解 0022期

昨天竟然直接摸了……其实做了三道题,但是根本没有来得及放出来,但是最近事情确实越来越多了,周四和周五应该是一周最忙的两天,╮(╯▽╰)╭……不过应该总是因为没有克制住自己所以才会没有时间做事情吧…… 我就算不做4道题,我也得至少做2~3道题,今天补上昨天落下的一期,共6道题。 0079题 单词搜索【Word Search】 题目: 给定一个二维网格和一个单词,找出该单词是否存在于网格中...

bright_silmarillion的专栏 469

【困难】力扣算法题解析LeetCode84:柱状图中最大的矩形

柱状图最大矩形面积问题解析 本文介绍了一种基于单调栈的高效算法,用于求解柱状图中的最大矩形面积问题。该算法通过单次遍历即可确定每个柱子的左右边界,实现O(n)的时间复杂度。 核心思路: 使用单调递增栈存储柱子下标,保证栈内高度有序 遇到较小高度时触发面积计算: 弹出栈顶元素作为矩形高度 当前索引为右边界 新栈顶元素为左边界 通过哨兵值处理边界情况,确保所有柱子都能被处理 算法优势: 时间复杂度O(n),空间复杂度O(n) 采用数组模拟栈结构,减少内存消耗 处理10^5量级数据仅需20ms左右

ylumwd的博客 497

算法:柱状图中最大矩形

//柱状图中最大矩形 //枚举宽,固定一边枚举另一边,然后计算面积 class Solution { public: int largestRectangleArea(vector<int>& heights) { int n = heights.size(); int ans = 0; // 枚举左边界 for (int left = 0; left < n; ++left) { .

460

专治疑难系列 - 解决打印机凭证冲突问题

一、问题描述 二、解决方法 三、问题已解决

Passerby_Wang的博客 2万+

网络可视化工具netron详细安装流程

netron安装目录1.netron 简介2.不同操作系统下的安装使用方式2.1 在线版本:只要有浏览器就可以2.2 不同操作系统安装使用3.netron支持的网络框架4.netron测试演示 1.netron 简介 在实际的项目中,经过会遇到各种网络模型,需要我们快速去了解网络结构。如果单纯的去看模型文件,脑海中很难直观的浮现网络的架构。 这时,就可以使用netron可视化工具,可以清晰的看到每一层的输入输出,网络总体的架构,而且支持各种不同网络框架,简单好用。 2.不同操作系统下的安装使用方式 2.1

江南研习社 12万+

golang力扣leetcode 84.柱状图中最大的矩形

84.柱状图中最大的矩形84.柱状图中最大的矩形题解代码 84.柱状图中最大的矩形 84.柱状图中最大的矩形 题解 思路:利用栈存下标,如果当前的高小于栈内idx对应的高,则计算idx延展开来的面积,官方题解视频看到9:08即可 代码 package main func largestRectangleArea(heights []int) int { if len(heights) == 0 { return 0 } var stack []int max := 0 for i := 0

清风 507

基于STM32F103的二维码识别项目——OV7670篇

此系列用于记录做过的项目,这篇文章介绍基于STM32F103的二维码识别项目之OV7670FIFO模块。

beyourself_he的博客 4292

LeetCode 84柱状图中最大矩形

LeetCode 84柱状图中最大矩形Hard 题目简述:给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。求在该柱状图中,能够勾勒出来的矩形的最大面积。 输入:heights = [2,1,5,6,2,3] 输出:10 思路:单调栈O(n) 找到每个柱子左边和右边离自己最近的比自己低的柱子,夹在中间的矩形面积就为所求,然后用矩形宽度乘以当前柱子高度作为备选答案。即找两边第一个小于它的值 维护单调栈,如果当前元素下标i对应的柱子高度比栈顶元素对应

XBlog 494

在Ubuntu 22.04上从零搭建FVCOM环境:手把手搞定Linux、Intel编译器与NetCDF库

本文详细指导在Ubuntu 22.04上从零搭建FVCOM环境,涵盖Linux系统配置、Intel编译器安装、NetCDF库编译及常见问题解决。通过手把手教程,帮助科研人员高效完成水动力数值模拟环境的部署,特别适合水环境研究领域的初学者。

weixin_30613727的博客 651

电动转向系统 TAS 传感器

靠扭杆变形测力气,用霍尔效应算角度,借 ECU 给电机发指令。它就像 EPS 系统的 "神经末梢",把驾驶员的操作意图转化成电信号,再通过电机变成实实在在的助力,让我们开车既省力又安全。下次转动方向盘时,不妨想想这个藏在转向柱里的 "小传感器"—— 正是它的精准感知,才有了每一次顺畅的转向体验。

weixin_59825476的博客 4299

LeetCode 84 柱状图中最大的矩形

LeetCode 84 柱状图中最大的矩形 题目链接 给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。 求在该柱状图中,能够勾勒出来的矩形的最大面积。 以上是柱状图的示例,其中每个柱子的宽度为 1,给定的高度为 [2,1,5,6,2,3]。 图中阴影部分为所能勾勒出的最大矩形面积,其面积为 10 个单位。 示例: 输入: [2,1,5,6,2,3] 输出: 10 单调栈~ 对每一根柱子 iii,用单调栈分别记录从当前位置到左边第一根高度小于它的柱子的位置 l[i

旺崽的博客 2027

2024年03月CCF-GESP编程能力等级认证Python编程一级真题解析

小杨的父母最近刚刚给他买了一块华为手表,他说手表上跑的是鸿蒙,这个鸿蒙是?( ) A. 小程序 B. 计时器 C. 操作系统 D. 神话人物

人生就是一个不断学习的过程 1029

LeetCode 力扣 84. 柱状图中最大的矩形

题目描述(困难难度) 给一个柱状图,输出一个矩形区域的最大面积。 解法一 暴力破解 以题目给出的例子为例,柱形图高度有 1, 2, 3, 5, 6,我们只需要找出每一个高度对应的最大的面积,选出最大的即可。如果求高度为 3 的面积最大的,我们只需要遍历每一个高度,然后看连续的大于等于 3 的柱形有几个,如果是 n 个,那么此时的面积就是 3 * n。所以高度确定的话,我们只需要找连续的大...

wind_liang的博客 1106

世界职业院校技能大赛财经赛道项目参考逐字稿五

世界职业院校技能大赛财经赛道项目参考逐字稿五

我是网络安全兼技能大赛工程师,专注网络安全技术学习与技能大赛实战!持续分享最新的技术文章,帮你少走弯路,一起在技术赛道上进步~ 143

【WRFDA教程第一期】运行观测预处理程序(OBSPROC)

运行观测预处理程序(OBSPROC)

WW、forever的博客 1900

leetcode84 柱状图中最大的矩形

今天要讲的是leetcode84题,柱状图中最大的矩形,题目链接:https://leetcode-cn.com/problems/largest-rectangle-in-histogram/ 题目大意:给你一个数组,数组中的每个数都对应的是高度,你把他想象成一个柱状图,每个柱子的宽度都是1,你来求他形成的最大矩形的面积,就以示例来说,给你的数组为[2,1,5,6,2,3],你可以想象成这个样子 很明显,矩形的最大面积是这样的 你可以列举其他的情况,但是会发现都不如这个大,矩形的面积是高乘宽,所以我们要求

qq_51972900的博客 2782

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

力扣第84题——柱状图中最大的矩形

力扣第84题——柱状图中最大的矩形 前言 前言:其实我之前很少刷困难题,因为一般笔试或面试问困难题的机会不多(除了网易,一面就给我背刺了一道 二十四点),刷这道题是因为 2020/09/10 心动网络最后一题出的就是这题,当时用的双指针时间复杂度就卡在O(N2),结果只通过50%,所以考完试特地上力扣看了题解。 原题 思路:单调栈 我们首先来想最简单的思路:枚举高的解法。遍历所有柱子,每次记录当前柱子的高h,然后从这个柱子往两边延伸,直到遇到高度小于h的柱子(或者到达边界),就确定了矩形的左右边界,如果

weixin_43950523的博客 695

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

c语言力扣l最大矩形,leetcode 84柱状图中最大的矩形,利用单调栈求解l

利用单调了栈求解leetcode 84柱状图中最大的矩形imageimage利用单调递增栈的方式来实现,计算发生在每次弹出栈顶的操作过程中单调递增栈的操作步骤1。如果栈为空或者栈顶元素比入栈小 该元素直接入栈2。其他 弹出栈顶直至栈顶元素比当前入栈元素小为止,该元素入栈伪代码:if stack == NULL or top(stack)< item:push(item);else :wh...

weixin_39956558的博客 229

Leetcode.84 柱状图中最大的矩形

个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1。,那么我们就需要更新答案,然后去掉栈顶元素,直到栈顶元素。输入:heights = [2,1,5,6,2,3]解释:最大的矩形为图中红色区域,面积为 10。在这种情况下,也可以计算出单个矩形的面积。输入: heights = [2,4]求在该柱状图中,能够勾勒出来的矩形的。接下来按照以下的三步,不断更新答案。我们维护一个单调递增的单调栈。我们可以在其头尾都插入。

感觉画质不如...原神的博客 177

LeetCode 84:柱状图中最大的矩形

给定柱状图的高度数组heights,每个柱子宽度为1,需找到。O(n²)O(n)

m0_75126572的博客 1032

leetcode-84-柱状图中最大的矩形-java

题目及测试 package pid084; /*柱状图中最大的矩形 给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。 求在该柱状图中,能够勾勒出来的矩形的最大面积。 https://leetcode-cn.com/problems/largest-rectangle-in-histogram/ 以上是柱状图的示例,其中每个柱子的宽度为 1,给定的高度为 [2,1,5,6,2,3]。 图中阴影部分为所能勾勒出的最大矩形面积,其面积为 10 个单位。

今天吃了吗的博客 402

力扣84-柱状图中最大的矩形(最容易看懂的栈图解 Java版题解)

力扣84-柱状图中最大的矩形 一、原题题目 1.1 题目   给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。求在该柱状图中,能够勾勒出来的矩形的最大面积。   以上左图是柱状图的示例,其中每个柱子的宽度为 1,给定的高度为 [2,1,5,6,2,3]。右图中阴影部分为所能勾勒出的最大矩形面积,其面积为 10 个单位。 1.2 示例 示例: 输入: [2,1,5,6,2,3]输出: 10 来源:力扣(LeetCode)链接:https://leetcod

ItDaChuang的博客 629

84. 柱状图中最大的矩形 - 力扣(LeetCode)

题目描述 给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。 求在该柱状图中,能够勾勒出来的矩形的最大面积。 以上是柱状图的示例,其中每个柱子的宽度为 1,给定的高度为 [2,1,5,6,2,3]。 图中阴影部分为所能勾勒出的最大矩形面积,其面积为 10 个单位。 示例: 输入: [2,1,5,6,2,3] 输出: 10 题解1 代码1 执行结果1 题解2...

Onwaier的博客 381

LeetCode第84题:柱状图中最大的矩形

LeetCode第84题题目详述解法一解法二解法三 题目详述 给定 n 个非负整数,用来表示柱状图中各个柱子的高度。每个柱子彼此相邻,且宽度为 1 。 求在该柱状图中,能够勾勒出来的矩形的最大面积。 以上是柱状图的示例,其中每个柱子的宽度为 1,给定的高度为 [2,1,5,6,2,3]。 图中阴影部分为所能勾勒出的最大矩形面积,其面积为 10 个单位。 解法一 暴力法。时间复杂度:O(n^3)...

weixin_42610002的博客 317

Leetcode 84. 柱状图中最大的矩形

二、当当前柱子 i 的高度等于栈顶元素所对应的柱子的高度时,可以将当前柱子的下标 i 直接入栈,也可以先将当前栈顶元素弹出,再入栈,两者的区别在于前者在第三种情况计算时会多计算一次(会多进行一次面积计算结果为0的计算),但最后的结果 res 不变(因为 res 是所有面积中的最大值)。大体思路:对于每一个柱子,我们需要找到这根柱子左边 向左第一根柱子高度小于当前柱子高度的柱子的下标,和右边向右第一根柱子高度小于当前柱子高度的柱子下标,如下图,然后计算由当前柱子为基础所能形成的柱子的最大面积。

fujiang_xiao的博客 506
上一篇: LeetCode 102-二叉树的层序遍历
下一篇: LeetCode 232-用栈实现队列
Guo_Chuang
博客等级 码龄6年 9粉丝 61原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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