leetcode 84|85. Largest Rectangle in Histogram | Maximal Rectangle

本文介绍了一种高效算法来解决直方图中寻找最大矩形面积的问题,并进一步扩展到了二维矩阵,寻找包含全1的最大矩形面积。通过栈结构实现了算法的核心逻辑,确保了算法的时间效率。

84. Largest Rectangle in Histogram


思路:

如果当前元素比栈顶元素大,进栈

否则,计算站里元素组成的最大面积,再将站里元素全部换为当前元素(小一点)
最后站里都是递增的,然后按照面积挨个算


class Solution {
public:
    int largestRectangleArea(vector<int>& height) 
    {
        int result = 0;
        stack<int> stk;
        
        for(int i = 0; i < height.size(); i++) 
        {
            if (stk.empty() || stk.top() <= height[i])
                stk.push(height[i]);
            else
            {
                int count = 0;
                while (!stk.empty() && stk.top() > height[i])
                {
                    count++;
                    result = max(result, stk.top() * count);
                    stk.pop();
                }
                while (count--)
                    stk.push(height[i]);
                stk.push(height[i]);
            }
        }
        int count = 1;        
        while ( !stk.empty() )
        {
            result = max(result, stk.top() * count);
            count ++;
            stk.pop();
        }
        return result;
    }
};


85. Maximal Rectangle

Given a 2D binary matrix filled with 0's and 1's, find the largest rectangle containing only 1's and return its area.
For example, given the following matrix:
 
1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0
Return 6.
way-1:
这道题跟最大子矩阵的思想比较类似,都是降一维(减少变量数量)转化成简单问题
指定任意一行作为矩形的下边界,那么问题就变成了求直方图的最大面积的矩形,参见之前的这篇文章。
所以思路就是,从上到下,依次求直方图最大面积矩形,感觉瞬间没有难度了。下面的代码里,第一个函数就是原封不动搬过来的。。
     

class Solution {
public:
   int largestRectangleArea(vector<int>& height)
   {
        int result=0;
        stack<int> stk;
        for(int i=0;i<height.size();i++)
        {
            if(stk.empty() || stk.top()<=height[i])
              stk.push(height[i]);
            else
            {
                int count=0;
                while(!stk.empty() && stk.top()>height[i])
                {
                    count++;
                    result=max(result,stk.top()*count);
                    stk.pop();
                }
                while(count--)
                  stk.push(height[i]);
                stk.push(height[i]);
            }
        }
        int count=1;        
        while(!stk.empty())
        {
            result=max(result,stk.top()*count);
            count++;
            stk.pop();
        }
        return result;
   }
   
   int maximalRectangle(vector<vector<char>>& matrix)
   {
        if (matrix.empty() || matrix[0].empty())
            return 0;

        int maxArea = 0;
        int row = matrix.size();
        int col = matrix[0].size();
        vector<int> histo(col + 1, 0); // 在末尾增加一个0起收割作用

        for (int i = 0; i < row; i++) 
        {
            // 计算直方图
            for (int j = 0; j < col; j++)
                histo[j] = (histo[j] + 1) * (matrix[i][j] - '0'); //求直方图这个地方也很巧妙

            maxArea = max(maxArea, largestRectangleArea(histo));
        }

        return maxArea;
   }
};



内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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