单调栈——(直方图内最大矩形 || 最大全1子矩阵 )

博客介绍了如何使用单调栈解决直方图内最大矩形问题和求解全1子矩阵的问题。通过保持栈内元素单调递增,动态维护左右扩展边界,实现O(N)的时间复杂度。文章提供了具体算法思路和关键代码片段。

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

单调栈

顾名思义就是说栈内的元素,按照某种方式排序下,必须是单调的。如果新入栈的元素破坏了单调性,就弹出栈内元素,直到满足单调性。

它可以很方便地求出某个数的左边或者右边第一个比它大或者小的元素,而且总时间复杂度O(N)


直方图内最大矩阵题目地址

给出一个柱形统计图(histogram), 它的每个项目的宽度是1, 高度和具体问题有关。 现在编程求出在这个柱形图中的最大面积的长方形。例如:7 2 1 4 5 1 3 3

7表示柱形图有7个数据,分别是 2 1 4 5 1 3 3, 对应的柱形图如下,最后求出来的面积最大的图如右图所示。



分析:

要想找到里面的最大的面积,一定会有这么一种情况,得出的矩形的高度一定为所包含的某一个高度一致的。所以我们可以对某一个柱子的高度为标准,尽量的向两头扩展,这样就可以找出以它高度为标准的,并包含它本身的最大矩形。然后对每一个柱子都做类似的工作,最后挑出里面最大的矩形。

OK,单从上述所说,一定会有重复的工作,如何剔除重复工作呢?而且什么叫做尽量向两头扩展呢?

重复工作之后再说。先说什么叫尽量向两头扩展。

如:2 1 4 

### 使用单调栈求解最大子矩阵问题 #### 算法概述 对于给定的一个由 `0` 和 `1` 组成的二维矩阵,目标是找到其中仅包含 `1` 的最大矩形区域并返回其面积。此问题可以通过将二维问题转化为多个一维问题来解决,具体方法如下: 通过逐行遍历矩阵,并利用前缀和的思想计算每列的高度(即连续 `1` 的数量),从而构建一个高度数组 `heights[]`。随后,针对每一行的高度数组应用 **单调栈** 来找出当前行所能形成的最大矩形面积。 最终的结果是从所有行中得到的最大矩形面积中的最大值[^3]。 --- #### 关键步骤解析 ##### 1. 高度数组的构建 定义一个长度等于矩阵宽度的数组 `heights[]`,初始化为零。每次迭代一行时更新该数组,使得 `heights[j]` 表示第 `j` 列从当前位置向上数连续 `1` 的个数。如果遇到 `0`,则重置对应列的高度为零。 ```python def build_heights(matrix, heights): rows, cols = len(matrix), len(matrix[0]) for j in range(cols): # 初始化第一行的高度 heights[j] = int(matrix[0][j]) for i in range(1, rows): # 更新后续行的高度 for j in range(cols): if matrix[i][j] == '1': heights[j] += 1 else: heights[j] = 0 ``` 此处的时间复杂度为 O(m * n),其中 m 是矩阵的行数,n 是列数[^4]。 --- ##### 2. 单调栈的应用 为了高效地求解单行内的最大矩形面积,采用单调栈的方法。核心思路是对每个柱状体(代表某一列的高度)寻找左侧第一个小于它的索引 `left_idx` 和右侧第一个小于它的索引 `right_idx`,进而计算以其为高的矩形面积 `(right_idx - left_idx - 1) * height[idx]`。 以下是基于单调栈的具体实现逻辑: - 构建一个严格递增的栈; - 当发现新的高度低于栈顶对应的柱高时,弹出栈顶元素并计算以该柱高为基础的矩形面积; - 将新高度压入栈中继续处理。 ```python def max_rectangle_in_histogram(heights): stack = [] max_area = 0 heights.append(0) # 添加哨兵简化边界条件 for idx, h in enumerate(heights): while stack and heights[stack[-1]] >= h: current_height = heights[stack.pop()] width = idx if not stack else (idx - stack[-1] - 1) max_area = max(max_area, current_height * width) stack.append(idx) heights.pop() # 移除哨兵恢复原数组状态 return max_area ``` 上述函数实现了对任意输入的一维直方图求解最大矩形面积的功能,时间复杂度为 O(n)[^5]。 --- ##### 3. 整合过程 最后一步是将以上两部分结合起来完成整个算法流程。依次遍历矩阵的每一行,动态维护高度数组并通过单调栈获取局部最优解;局最优解则是这些局部结果中的最大者。 完整代码展示如下: ```python def maximalRectangle(matrix): if not matrix or not matrix[0]: return 0 rows, cols = len(matrix), len(matrix[0]) heights = [0] * cols max_area = 0 def calculate_max_area_with_stack(): nonlocal heights, max_area stack = [] heights.append(0) # 哨兵 for idx, h in enumerate(heights): while stack and heights[stack[-1]] >= h: current_height = heights[stack.pop()] width = idx if not stack else (idx - stack[-1] - 1) max_area = max(max_area, current_height * width) stack.append(idx) heights.pop() # 清理哨兵 for row in matrix: for j in range(cols): heights[j] = heights[j] + 1 if row[j] == '1' else 0 calculate_max_area_with_stack() return max_area ``` 整体时间复杂度为 O(m * n),空间复杂度主要取决于辅助使用的栈结构以及存储高度信息的数据结构,均为线性级别。 --- ### 结果验证 考虑样例输入: ``` [ ["1","0","1","0","0"], ["1","0","1","1","1"], ["1","1","1","1","1"], ["1","0","0","1","0"] ] ``` 执行上述程序可得出正确答案 `6`,与预期一致[^2]。 ---
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