算法训练 Day 60

LeetCode 84. 柱状图中最大的矩形

题目链接:84. 柱状图中最大的矩形

思路:本题与著名的经典题目接雨水思路一致,但实际上还要更复杂一些,接雨水是找每个柱子左右两边第一个大于该柱子高度的柱子,而本题是找每个柱子左右两边第一个小于该柱子的柱子。

关于这道题,我们应该明确一点,遍历每个列的高度,是要以当前高度为基准,寻找最大的宽度,组成最大的矩形面积。做法是要找左边第一个小于当前高度的下标left,再找右边第一个小于当前高度的下标right,那宽度就是这两个下标之间的距离了。但是要排除这两个下标,所以是right - left - 1。用单调栈就可以很方便的确定这两个边界。在单调栈构造的过程中,依旧是三种情况:

  • 当前遍历的元素heights[i]大于栈顶元素heights[st.top()]的情况
    直接将当前遍历元素入栈。
  • 当前遍历的元素heights[i]等于栈顶元素heights[st.top()]的情况
    因为单调栈想找出的是小于当前高度的下标(知道最大矩形的边界在哪),所以等于的时候同第一种情况相同,入栈。
  • 当前遍历的元素heights[i]小于栈顶元素heights[st.top()]的情况
    将栈顶元素弹出,计算以当前最大高度的矩形形成的面积,与遍历过程中记录的res进行比较,取其中的较大者。并将当前遍历元素持续与新的栈顶元素比较(之后有可能有高度更高的矩形能拼接上),直到遇到上述两种情况或者该元素成为栈顶元素为止。

go版本:

func largestRectangleArea(heights []int) int {
    n := len(heights)
    res := 0
    nums := []int{0}
    // 在输入数组的两端加上两个高度为0的“哨兵”
    // “哨兵”可以避免讨论弹出栈顶元素后栈为空的情况, 以及遍历结束之后栈中还存在变量
    heights = append(nums, heights...)
    heights = append(heights, 0)
    stack := make([]int, 1)
    stack[0] = 0
    cur_height := 0
    cur_width := 0

    for i:=0; i<n+2; i++ {
    	// 当前遍历的元素T[i]小于栈顶元素T[st.top()]
        for heights[stack[len(stack)-1]] > heights[i] {
            temp := stack[len(stack)-1]
            stack = stack[:len(stack)-1]
            cur_height = heights[temp]
            cur_width = i - stack[len(stack)-1] - 1
            res = max(res, cur_height * cur_width)
        }
        stack = append(stack, i)
    }
    return res
}

func max(i, j int) int {
    if i>j {
        return i
    }
    return j
}
### 代码随想录算法训练Day20 学习内容与作业 #### 动态规划专题深入探讨 动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法[^1]。 #### 主要学习内容 - **背包问题系列** - 背包问题是典型的动态规划应用场景之一。这类题目通常涉及给定容量的背包以及一系列具有不同价值和重量的物品,目标是在不超过总容量的情况下最大化所选物品的价值。 - **状态转移方程构建技巧** - 构建合适的状态转移方程对于解决动态规划问题是至关重要的。这涉及到定义好dp数组(或表格),并找到从前一个状态到下一个状态之间的关系表达式[^2]。 - **优化空间复杂度方法** - 对于某些特定类型的DP问题,可以采用滚动数组等方式来减少所需的空间开销,从而提程序效率[^3]。 #### 实战练习题解析 ##### 题目:零钱兑换 (Coin Change) 描述:给定不同面额的硬币 coins 和一个总金额 amount。编写函数来计算可以凑成总金额所需的最少的硬币个数。如果没有任何一种硬币组合能组成总金额,返回 `-1`。 解决方案: ```python def coinChange(coins, amount): dp = [float('inf')] * (amount + 1) dp[0] = 0 for i in range(1, amount + 1): for coin in coins: if i >= coin and dp[i - coin] != float('inf'): dp[i] = min(dp[i], dp[i - coin] + 1) return dp[-1] if dp[-1] != float('inf') else -1 ``` 此段代码实现了基于自底向上的迭代方式解决问题,其中 `dp[i]` 表示达到金额 `i` 所需最小数量的硬币数目[^4]。 ##### 题目:完全平方数 (Perfect Squares) 描述:给出正整数 n ,找出若干个不同的 完全平方数 (比如 1, 4, 9 ...)使得它们的和等于n 。问至少需要几个这样的完全平方数? 解答思路同上一题类似,只是这里的“硬币”变成了各个可能的完全平方数值。 ```python import math def numSquares(n): square_nums = set([i*i for i in range(int(math.sqrt(n))+1)]) dp = [float('inf')] *(n+1) dp[0] = 0 for i in range(1,n+1): for sq in square_nums: if i>=sq: dp[i]=min(dp[i],dp[i-sq]+1); return dp[n]; ``` 这段代码同样运用了动态规划的思想去寻找最优解路径,并利用集合存储所有小于等于输入值的最大平方根内的平方数作为候选集[^5]。
评论 1
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