来一场栈的大模拟(主要是单调栈)

单调栈求最大矩形面积

一.栈模拟

二.单调栈求最大矩形面积 

 

通常,直方图用于表示离散分布,例如,文本中字符的频率。

现在,请你计算在公共基线处对齐的直方图中最大矩形的面积。

图例右图显示了所描绘直方图的最大对齐矩形。

输入格式

输入包含几个测试用例。

每个测试用例占据一行,用以描述一个直方图,并以整数 n 开始,表示组成直方图的矩形数目。

然后跟随 n 个整数 h1,…,hn。

这些数字以从左到右的顺序表示直方图的各个矩形的高度。

每个矩形的宽度为 1。

同行数字用空格隔开。

当输入用例为 n=0 时,结束输入,且该用例不用考虑。

输出格式

对于每一个测试用例,输出一个整数,代表指定直方图中最大矩形的区域面积。

每个数据占一行。

请注意,此矩形必须在公共基线处对齐。

数据范围

1≤n≤100000
0≤hi≤1000000000

输入样例:

7 2 1 4 5 1 3 3

4 1000 1000 1000 1000

0

输出样例:

8

4000

思考:这个题为什么可以用单调栈呢:

例如:栈中有1,4,6而这时来了一个3,你会发现有1和将要插入的3的时候这个4,6是用不着的,这是4和6就可以出栈,这不就是一个单调递增的栈吗?

代码:

#include<iostream>
#include<algorithm>

using namespace std;

const int N = 100010;

//l[i], r[i]表示第i个矩形的高度可向两侧扩展的左右边界
int h[N], q[N], l[N], r[N];

typedef long long ll;

int main()
{
    int n;
    while(scanf("%d", &n), n)
    {
        for(int i = 1; i <= n; i ++)  scanf("%d", &h[i]);
        h[0] = h[n + 1] = -1;

        int tt = -1;
        q[++ tt] = 0;
        for(int i = 1; i <= n; i ++)
        {
            while(h[q[tt]] >= h[i])  tt --;
            l[i] = q[tt]+1;
            q[++ tt] = i;
        }

        tt = -1;
        q[++ tt] = n + 1;
        for(int i = n; i; i --)
        {
            while(h[q[tt]] >= h[i])  tt --;
            r[i] = q[tt]-1;
            q[++ tt] = i;
        }

        ll res = 0;
        for(int i = 1; i <= n; i ++)  res = max(res,(ll)h[i]*(r[i]-l[i]+1));
        printf("%lld\n", res);
    }
    return 0;
}

 

 

 

三.升级题

一.Maximal submatrix 

代码:

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxn=5e3+7;
int mp[maxn][maxn];
int mark[maxn][maxn];
int h[maxn];
int q[maxn];
int l[maxn];
int r[maxn];
int n,m;
int solve(int h[]){
    h[0]=h[m+1]=-1;
    int tt=-1;
    q[++tt]=0;
    for(int i=1;i<=m;i++){
        while(h[q[tt]]>=h[i]) tt--;
        l[i]=q[tt]+1;
        q[++tt]=i;
    }
    tt=-1;
    q[++tt]=m+1;
    for(int i=m;i;i--){
        while(h[q[tt]]>=h[i]) tt--;
        r[i]=q[tt]-1;
        q[++tt]=i;
    }
    int res=0;
    for(int i=1;i<=m;i++){
        res=max(res,h[i]*(r[i]-l[i]+1));
    }
    return res;
}
int main(){
    ios::sync_with_stdio(false);
    cin.tie(0);
    cout.tie(0);
    int t;
    cin>>t;
    while(t--){
        cin>>n>>m;
        for(int i=1;i<=n;i++){
            for(int j=1;j<=m;j++){
                cin>>mp[i][j];
            }
        }
        for(int j=1;j<=n;j++){
            mark[1][j]=1;
            for(int i=2;i<=n;i++){
                if(mp[i][j]>=mp[i-1][j]){
                    mark[i][j]=mark[i-1][j]+1;
                }else{
                    mark[i][j]=1;
                }
            }
        }
        int ans=0;
        for(int i=1;i<=n;i++){
            ans=max(ans,solve(mark[i]));
        }
        cout<<ans<<'\n';
    }
    system("pause");
    return 0;
}

二. 与上题类似

 这个题就是维护一个h[i][j]和l[i][j]和r[i][j],最后的答案就是max(h[i][j]*(r[i][j]-l[i][j]+1)),按上一道题做法也行。

#include <iostream>
#include <cstring>
#include <algorithm>
using namespace std;
const int maxn=1e3+100;
char s[maxn][maxn];
int a[maxn][maxn];
int up[maxn][maxn];
int l[maxn][maxn];
int r[maxn][maxn];
int q[maxn];
int main(){
    int n,m;
    cin>>n>>m;
    for (int i = 1; i <= n; i ++ ){
        for(int j=1;j<=m;j++){
            cin>>s[i][j];
            if(s[i][j]=='F'){
                a[i][j]=1;
            }
        }
    }
    for(int i=1;i<=n;i++){
        for(int j=1;j<=m;j++){
            if(a[i][j]){
                up[i][j]=up[i-1][j]+1;
            }
            else{
                up[i][j]=0;
            }
        }
    }
    for(int i=1;i<=n;i++){
        int tt=-1;
        up[i][0]=up[i][m+1]=-1;
        q[++tt]=0;
        for(int j=1;j<=m;j++){//维护单调递增的栈
            while(up[i][j]<=up[i][q[tt]]) tt--;
            l[i][j]=q[tt]+1;
            q[++tt]=j;
        }
        tt=-1;
        q[++tt]=m+1;
        for(int j=m;j>=1;j--){
            while(up[i][q[tt]]>=up[i][j]) tt--;
            r[i][j]=q[tt]-1;
            q[++tt]=j;
        }
    }
    int ans=0;
    for(int i=1;i<=n;i++){
        for(int j=1;j<=m;j++){
            //cout<<i<<" "<<j<<" "<<l[i][j]<<" "<<r[i][j]<<" "<<up[i][j]<<endl;
            ans=max(ans,(r[i][j]-l[i][j]+1)*up[i][j]);
        }
    }
    cout<<ans*3<<endl;
}

 三.移动列

给你一个二进制矩阵 matrix ,它的大小为 m x n ,你可以将 matrix 中的 列 按任意顺序重新排列。

请你返回最优方案下将 matrix 重新排列后,全是 1 的子矩阵面积。

 

示例1:

输入:matrix = [[0,0,1],[1,1,1],[1,0,1]]
输出:4
解释:你可以按照上图方式重新排列矩阵的每一列。
最大的全 1 子矩阵是上图中加粗的部分,面积为 4 。


示例 2:

输入:matrix = [[1,0,1,0,1]]
输出:3
解释:你可以按照上图方式重新排列矩阵的每一列。
最大的全 1 子矩阵是上图中加粗的部分,面积为 3 。


示例 3:

输入:matrix = [[1,1,0],[1,0,1]]
输出:2
解释:由于你只能整列整列重新排布,所以没有比面积为 2 更大的全 1 子矩形。


示例 4:

输入:matrix = [[0,0],[0,0]]
输出:0
解释:由于矩阵中没有 1 ,没有任何全 1 的子矩阵,所以面积为 0 。
 

提示:

m == matrix.length
n == matrix[i].length
1 <= m * n <= 105
matrix[i][j] 要么是 0 ,要么是 1 。
 

这个题比上一个还简单就是维护一个h[i][j],他说可以交换任意列的次序,那么你在遍历每一列的时候拍个序就行;

class Solution {
public:
    
    int largestSubmatrix(vector<vector<int>>& w) {
        int n=w.size(),m=w[0].size();
        for(int i=1;i<n;i++){
            for(int j=0;j<m;j++){
                if(w[i][j]){
                    w[i][j]+=w[i-1][j];
                }
            }
        }
        int ans=0;
        vector<int>q(m);
        for(int i=0;i<n;i++){
            for(int j=0;j<m;j++){
                q[j]=w[i][j];
            }
            sort(q.begin(),q.end(),greater<int>());
            for(int j=0;j<m;j++){
                ans=max(ans,q[j]*(j+1));
            }
        }
        return ans;
    }
};

单调栈这一算法虽迟但到,完结撒花!!! 

### 关于单调栈和单调队列 #### 定义与特性 单调栈是一种特殊的结构,在这种中,元素按照特定的顺序排列,即要么严格递增要么严格递减。当新元素加入时,会移除所有违反该顺序的现有顶部元素[^3]。 单调队列则是在两端都可以进行插入删除操作的数据结构,并且内部存储着按一定条件筛选后的有序序列。其特点是能够在O(1)时间内获取当前窗口内的最大值或最小值,非常适合解决涉及固定大小子数组/子列表的最大最小问题[^2]。 #### 应用实例 对于下一个更大元素的问题,可以利用单调递减来高效寻找右侧第一个大于当前位置数值的位置;而对于每日温度这样的题目,则通过循环数组的方式配合单调栈完成两次遍历来处理环形数组的情况[^4]。 ```cpp // C++代码片段展示如何使用单调栈解决问题 class Solution { public: vector<int> nextGreaterElements(vector<int>& nums) { int n = nums.size(); if (n == 0) { return {}; } vector<int> result(n); std::stack<int> s; // 循环两遍模拟环形数组效果 for (int i = n * 2 - 1; i >= 0; --i) { while (!s.empty() && s.top() <= nums[i % n]) s.pop(); result[i % n] = s.empty() ? -1 : s.top(); s.push(nums[i % n]); } return result; } }; ``` 在滑动窗口类问题上,比如求解长度固定的连续子串内最值,采用双端队列形式的单调队列能很好地满足需求。每当有新的候选成员进入窗口时,就将其前面那些不可能成为最优解的小数弹出去,从而始终保持队头指向的就是所求极值所在位置[^1]。 ```java import java.util.Deque; import java.util.LinkedList; public class MaxSlidingWindow { public static List<Integer> maxSlidingWindow(int[] nums, int k) { Deque<Integer> deque = new LinkedList<>(); List<Integer> res = new ArrayList<>(); for (int i = 0; i < nums.length; ++i) { // 移除非窗口范围内的索引 if (!deque.isEmpty() && deque.peekFirst() <= i - k) deque.pollFirst(); // 维护一个降序的双端队列 while (!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) deque.pollLast(); deque.offerLast(i); // 当前窗口已形成,记录最大值 if (i + 1 >= k) res.add(nums[deque.peekFirst()]); } return res; } } ``` #### 使用场景总结 - **单调栈**适用于需要找到最近的一个更小(大)元素的情形,如股票买卖最佳时机、柱状图中最大的矩形面积等问题。 - **单调队列**主要用于解决具有时间窗约束下的优化查询任务,例如计算给定区间内的极大值或极小值等。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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