接雨水【LC42】[面试常见]
给定
n
个非负整数表示每个宽度为1
的柱子的高度图,计算按此排列的柱子,下雨之后能接多少雨水。
按列求贡献:枚举
首先确定按行计算雨水,还是按列确定雨水
-
按行计算:
-
按列计算:找每个柱子左右两边第一个大于该柱子高度的柱子
第一列和最后一列不能容纳雨水,其他列可以容纳的雨水量宽度固定为1,高度取决于min(该列左侧最高的柱子,该列右侧最高的柱子)- 该列的高度
-
代码
class Solution { public int trap(int[] height) { int res = 0; int lens = height.length; for (int i = 1; i < lens - 1; i++){ int maxL = height[i]; int maxR = height[i];// Math.min(maxL,maxR) - height[i] 一定大于0 for (int j = 0; j < i; j++){ maxL = Math.max(maxL,height[j]); } for (int k = i + 1; k < lens; k++){ maxR = Math.max(maxR,height[k]); } res += Math.min(maxL,maxR) - height[i]; } return res; } }
class Solution { public int trap(int[] height) { int res = 0; int lens = height.length; for (int i = 1; i < lens - 1; i++){ int maxL = 0; int maxR = 0;// h可能小于0 for (int j = 0; j < i; j++){ maxL = Math.max(maxL,height[j]); } for (int k = i + 1; k < lens; k++){ maxR = Math.max(maxR,height[k]); } int h = Math.min(maxL,maxR) - height[i]; if (h > 0){ res += h; } } return res; } }
- 复杂度
- 时间复杂度: O ( n 2 ) O(n^2) O(n2)
- 空间复杂度: O ( 1 ) O(1) O(1)
- 复杂度
按列求贡献:动态规划
使用dp数组记录,每列左边柱子的最高高度和右边柱子的最高高度
class Solution {
public int trap(int[] height) {
int res = 0;
int lens = height.length;
int[] maxL = new int[lens];
maxL[0] = height[0];
int[] maxR = new int[lens];
maxR[lens-1] = height[lens-1];
for (int i = 1; i < lens; i++){
maxL[i] = Math.max(maxL[i-1],height[i]);
}
for (int i = lens - 2; i >= 0; i--){
maxR[i] = Math.max(maxR[i+1],height[i]);
}
for (int i = 1; i < lens-1; i++){
res += Math.min(maxL[i],maxR[i]) - height[i];
}
return res;
}
}
- 复杂度
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
按行求:单调栈
-
思路
使用单调递增栈记录,凹槽处的左边高度和右边高度,按行计算雨水体积。当当前高度大于栈顶元素时,计算雨水体积,高度为左右边高度较小值-凹槽高度,宽度为右边下标-左边下标-1
-
单调栈里元素是递增呢? 还是递减呢?
递增,注意一下顺序为 从栈头到栈底的顺序
-
使用单调栈主要有三个判断条件。
-
当前遍历的元素T[i]小于栈顶元素T[st.top()]的情况
直接把这个元素压入栈
-
当前遍历的元素T[i]等于栈顶元素T[st.top()]的情况
入栈或者不入栈,之前元素弹出或者不弹出不影响结果,(因为遇到相同高度的柱子时,需要使用最右边的柱子以及最左边的柱子计算宽度,左边为相同高度柱子时,计算结果为0)
-
当前遍历的元素T[i]大于栈顶元素T[st.top()]的情况
此时出现凹槽,可以容纳雨水,计算雨水容量,再入栈
-
取栈顶元素,将栈顶元素弹出,下标即为mid,这个位置为凹槽的底部
-
再取栈顶元素,下标为st.peekFirst(),这个位置为凹槽的左侧
-
当前遍历元素为凹槽的右边位置,下标为i
-
雨水高度为min(凹槽左边高度, 凹槽右边高度) - 凹槽底部高度
int h = min(height[st.peekFirst()], height[i]) - height[mid];
-
雨水宽度为 凹槽右边的下标 - 凹槽左边的下标 - 1
int w = i - st.peekFirst() - 1 ;
-
雨水的体积为h * w
-
-
-
实现
2023/7/23
class Solution { public int trap(int[] height) { // 贡献:每个位置能积累的水量为min(左边最大,右边最大)-柱子高度 // int n = height.length; // int[] left = new int[n], right = new int[n]; // for (int i = 0; i < n - 1; i++){ // left[i + 1] = Math.max(left[i], height[i]); // right[n - i - 2] = Math.max(right[n - i - 1], height[n - i - 1]); // } // int res = 0; // for (int i = 0; i < n; i++){ // res += Math.max(Math.min(right[i], left[i]) - height[i], 0); // } // return res; // 单调递增栈【栈顶->栈底】:遇到大于栈顶的柱子,弹出计算雨水量; Deque<Integer> st = new LinkedList<>(); int n = height.length, res = 0; for (int i = 0; i < n; i++){ while (!st.isEmpty() && height[st.peekLast()] <= height[i]){ int mid = st.pollLast(); if (st.isEmpty()){ break; } int left = st.peekLast(); int w = i - left - 1; int h = Math.min(height[left], height[i]) - height[mid]; res += w * h; } st.addLast(i); } return res; } }
- 复杂度
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
- 复杂度