leetcode-739.每日温度-单调栈

739. 每日温度

739.每日温度 - 力扣
解题思路:单调栈

题目:

给定一个整数数组 temperatures ,表示每天的温度,返回一个数组 answer ,其中 answer[i] 是指在第 i 天之后,才会有更高的温度。如果气温在这之后都不会升高,请在该位置用 0 来代替。

示例:

输入: temperatures = [73,74,75,71,69,72,76,73]
输出: [1,1,4,2,1,1,0,0]

解析:

​ 这是接触的第一道单调栈类型的题目。

​ 单调栈的主要思想是:栈中元素保持单调递增或者单调递减。为了保持这种单调性,需要(以单调递减为例)遇到一个大于栈顶元素的数时,不断pop栈中元素,直到栈顶元素大于新遇到的元素,然后将新元素push进栈;遇到一个小于栈顶元素的数时,就直接将新的元素push进栈。

​ 单调栈的经典题目是找到第i个元素之后第一个大于它的下标,此题与739不能说毫无相干,只能说一模一样。下面首先讲解单调栈的经典题目思路。

O(n^2)的做法是,遍历所有元素,再遍历此元素之后的所有元素,找到第一个大于它的元素下标。但这种方法时间复杂度过高,有没有O(n)的做法,只需遍历一次就完成题目呢?

​ 答案是:有!

​ 不过首先要明确对于遍历的作用。在O(n^2)的做法中,外层遍历是在确定寻找第一个大于当前元素的开始下标,然后再到内层循环中去真正地寻找。使用这种思路必定需要O(n^2)的时间复杂度。现在我们换一种思路,让循环的index表示以当前元素作为第一个大于的元素下标,然后去找在index之前的没有找到第一个大于它的元素的下标的、小于index对应元素的元素下标(这句话有点拗口)。那么我们就需要一个数据结构来存储【在index之前的没有找到第一个大于它的元素的下标的、小于index对应元素的元素下标】。

​ 单调栈这个数据结构刚好可以满足我们的需求。使用一个单调递减的单调栈,若新的元素(循环的index对应的元素)大于栈顶元素,那么对于栈顶元素来说,它就找到了目标的下标,所以记录它的NGE(Next Greater Element)后就将它pop出,然后判断新的栈顶元素是否也小于新的元素。最后还需要将新元素push进栈,因为新元素也需要找到它的NGE。若新的元素小于栈顶元素,那么说明没有元素以它为NGE,就不pop栈的任何元素,同时将新元素push进栈,因为新元素也需要找到它的NGE。

​ 至此,经典题的思路以及很清晰了,核心思想就在于使用单调栈来存储尚未找到NGE的元素下标

​ 而739.每日温度这道题,和经典题的唯一区别就在于,它找的不是第i个元素之后第一个大于它的下标,而是第一个大于它的元素与它的距离,那么只需要在记录时记录距离就好了。

代码:
使用javascript实现

var dailyTemperatures = function(temperatures) {
    var ans = Array(temperatures.length).fill(0);
    var stack = [];
    for(let i=0; i<temperatures.length; i++){
        while(stack.length!=0 && temperatures[stack[stack.length-1]]<temperatures[i]){
            ans[stack[stack.length-1]] = i-(stack[stack.length-1]);// 与经典题目唯一的区别。
            stack.pop();
        }
        stack.push(i);
    }
    return ans;
};
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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