42.接雨水

接雨水是一个非常经典的题目了,我在二刷的时候,终于能独立做了,在记录一下灵神的横着计算的单调栈思想.

法一: 竖着计算 奇思妙想

        让我们想想,接到的雨水到底是存储哪里了呢,其实他就是凹陷部分,而什么是凹陷呢,就是从左边看,从右边看都发现不了的地方.                                                         ---------------无名氏

        我们用两个数组left[i]和right[i]分别记录 height[0...i]的最大值 和 height[len-1...i]的最大值.

也就是

        left[i] = max(left[i-1],height[i])

        right[i] = max(right[i+1],height[i])

那么 每次 就是 ans += min(left[i],right[i]) - height[i]

代码如下:

class Solution {
public:
    int trap(vector<int>& height) {
        int len=height.size();
        vector<int> left(len,0);
        vector<int> right(len,0);
        left[0]=height[0];
        right[len-1]=height[len-1];
        for(int i=1;i<len;i++){
            left[i]=max(left[i-1],height[i]);
        }
        for(int i=len-2;i>=0;i--){
            right[i]=max(right[i+1],height[i]);
        }
        int ans=0;
        for(int i=0;i<len;i++){
            ans+=min(left[i],right[i]) - height[i];
        }
        return ans;
    }
};

 法二: 横着计算 单调栈

        每次遇到比当前栈顶元素小的等的就压入栈,而遇到大的就弹出栈,也就是说这个栈就是递减的

        当弹出的时候就意味着,右边来了个更大的(右边界),也就满足了凹陷一半的条件,为什么说是一半呢,因为凹陷还需要左边有一个更大的,也就是当前栈在弹出一个之后还要有一个元素(左边界),那么 ans+=(l-r+1) * height,

        总的来说就是, 当遇到一个更大的元素(右边界),弹出一个元素作为bottom,然后再弹出一个元素作为左边界, 没有左边界就是 0

        代码如下:

class Solution {
public:
    //法二: 横着算
    int trap(vector<int>& height) {
        stack<int> stk;
        int ans=0;
        for(int i=0;i<height.size();i++){
           //由于我们单调栈的构建,栈顶元素对应的height是最低的 他才是bottom 而栈顶下面的那个才是左柱子
            while(!stk.empty() && height[i]>=height[stk.top()]){
                int bottom=height[stk.top()];
                stk.pop();
                if(stk.empty())   break;  //就是只有一个底  左边没有柱子
                int left=height[stk.top()];
                ans+=(i-stk.top()-1) * (min(left,height[i])-bottom);  //这里的height[i]就是right
            }
            stk.push(i);
        }
        return ans;
    }
};

      

### 关于雨水问题的 Java 实现 雨水问题是经典的算法题目之一,其核心在于通过某种方式计算柱子之间的凹槽部分能够存储的水量。以下是基于 **单调栈** 和 **双指针法** 的两种常见解决方案。 --- #### 方法一:单调栈实现 单调栈是一种有效的数据结构用于处理此类区间极值问题。具体逻辑如下: 1. 使用 `Stack<Integer>` 存储柱子索引。 2. 遍历数组中的每一个柱子高度,当遇到当前柱子高于栈顶柱子时,则说明形成了一个可以积水的区域。 3. 计算该区域内的积水量并累加到总结果中。 下面是完整的代码实现: ```java import java.util.Stack; class Solution { public int trap(int[] height) { Stack<Integer> stack = new Stack<>(); int res = 0; for (int i = 0; i < height.length; i++) { while (!stack.isEmpty() && height[i] > height[stack.peek()]) { int top = stack.pop(); // 当前要计算面积的位置 if (stack.isEmpty()) break; int distance = i - stack.peek() - 1; // 左右边界距离 int boundedHeight = Math.min(height[i], height[stack.peek()]) - height[top]; res += distance * boundedHeight; } stack.push(i); } return res; } } ``` 这种方法的时间复杂度为 O(n),空间复杂度也为 O(n)[^1]。 --- #### 方法二:双指针优化 双指针法利用两个变量分别记录左侧最大值和右侧最大值,在遍历时逐步更新这些值,并根据当前位置的高度差来决定是否增加水体积。 以下是具体的代码实现: ```java class Solution { public int trap(int[] height) { int left = 0, right = height.length - 1; int lMax = 0, rMax = 0; int water = 0; while (left < right) { if (height[left] < height[right]) { if (height[left] >= lMax) { lMax = height[left]; } else { water += lMax - height[left]; } left++; } else { if (height[right] >= rMax) { rMax = height[right]; } else { water += rMax - height[right]; } right--; } } return water; } } ``` 这种解法时间复杂度同样为 O(n),但仅需常量级额外空间 O(1)[^2]。 --- #### 提供的代码分析 对于您给出的代码片段[^3],存在一些潜在改进之处: - 函数 `maxRight` 被多次调用,每次都会重新扫描右边的最大值,增加了不必要的开销。 - 可以考虑采用上述提到的方法进一步提升效率。 --- ### 总结 无论是使用单调栈还是双指针方法都可以高效解决问题。前者更直观易懂;后者则更加节省内存资源。实际应用可根据需求选择合适的方式。
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