LintCode 363. 接雨水 题解

本文介绍了一种计算降雨后地形上积水总量的算法。通过从两端向中间逼近的方式,利用两个指针分别从数组的左右两端开始,每次移动高度较低的一侧,并累加可容纳的雨水量,最终求得总积水体积。

描述

Given n non-negative integers representing an elevation map where the width of each bar is 1, compute how much water it is able to trap after raining.

Trapping Rain Water

样例

如上图所示,海拔分别为 [0,1,0,2,1,0,1,3,2,1,2,1], 返回 6.

挑战

O(n) 时间, O(1) 空间

O(n) 时间, O(n) 空间也可以接受

 

思路:搞清楚雨水能积累下来的条件就差不多知道该怎么做了,要注意对整个数组中最大高度的关注。

我的做法是从两边往中间逼近,最后在整个数组的最高点汇合,只有中间比两边高度低的时候才计入雨水,因为保证了最高点最后取到所以能保持两边往中间累计的雨水。

时间复杂度O(n),空间复杂度O(1)。

C++ AC代码(278ms):

 1 class Solution {
 2 public:
 3     /**
 4      * @param heights: a list of integers
 5      * @return: a integer
 6      */
 7     int trapRainWater(vector<int> &heights) {
 8         // write your code here
 9         int size = heights.size();
10         if(size <= 2) return 0;
11         int left_max = 0;//两侧最高挡板
12         int right_max = 0;
13         int left_cur = 0;
14         int right_cur = size - 1;
15         int res = 0;
16         while(left_cur != right_cur){
17             if(heights[left_cur] <= heights[right_cur]){//保证较小的一边向中间靠近,最后汇合于最大值
18                 if(heights[left_cur]>left_max){//判断是否累计雨水
19                     left_max = heights[left_cur++];
20                 }else{
21                     res += (left_max-heights[left_cur++]);
22                 }
23             }else{
24                 if(heights[right_cur]>right_max){
25                     right_max = heights[right_cur--];
26                 }else{
27                     res += (right_max-heights[right_cur--]);
28                 }
29             }
30         }
31         return res;
32     }
33 };

 

转载于:https://www.cnblogs.com/J1ac/p/9058233.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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