【leetcode】84 柱状图中最大的矩形

题目信息

来源及链接

84. 柱状图中最大的矩形

解题

解析思路

通过单调栈实现。
关键点：要找到当前位置值左侧和右侧第一个小于该值的位置。
分别从左到右和从右到左使用单调栈计算位置。
栈中存储的数据是元素的位置。（需要通过栈中的数据比较大小和确定位置，所以存储位置同时满足两个条件。）

为什么是单调栈？
为了找到左右两边小于自身的值，暴力解法是通过遍历去查找。为了避免额外的遍历，如果我们能在第一次遍历的时候保存已经遍历过的数据大小关系，就能不用把已经遍历过的数据再遍历一次。
这要求这种数据结构能够保存数据，并且数据可以是有序的。其实vector、deque、stack都可以满足，（stack的底层可以是deque或者vector实现），使用stack是因为stack的方法操作最方便。
那么stack里面存放什么数据，这个数据的意义又是什么？
为了能够记录数据的大小关系，stack中的数据需要是有序的。自然会想到，数据要么是从小到大，要么是从大到小。这两种关系又代表了什么？

单调栈是单调递增还是单调递减？
从小到大：我们每次放入stack中的数据，都要比栈顶的元素大，也是比栈中所有的元素都大。那么，对于当前要进栈的这个元素，栈中存放的数据就是之前遍历的所有比当前位置小的数据。那么对于已经存放的数据，每个元素之前的那个元素，就是这个元素左边第一个比他小的元素。
反之，如果按照从大到小的单调栈顺序，那么每个存放的元素，前一个位置的元素就是左边第一个比自己大的元素。（一定要动手模拟一遍）
在此题中，我们需要找到左边第一个比自己小的元素，自然是使用单调递增的栈。

进栈时记录数据还是出栈时记录数据？
都可，不影响。
事实上，一次遍历中，每个元素都要进栈（为了找到前一个小于自己 的值，并且还要保存自己，判断自己是不是之后某个元素的前一个最小值），但遍历完了之后，栈中可能还有元素没有出栈（极端情况数组单调递增，则所有元素都进栈）。
如果选择进栈的时候记录数据，则遍历完成之后就可以确定结果，但是如果选择出栈的时候记录数据，则遍历完成之后还要进行出栈操作。相比之下，显然进栈是记录数据会更便捷。

相同的元素如何处理？
对于单调递增的栈，进栈时，如果前一个元素和当前元素相等，这时前一个元素要出栈吗？
体现在代码中就是，在判断时是用 >= 还是 > ?

heights[si.top()] >= heights[i]
heights[si.top()] > heights[i]

首先要明白栈中存放元素的意义，对于本题，我们是为了找到当前元素左边第一个小于自己的值。那么我们是如何得到这个值的？是取的这个值存放到栈里面之后坐标第一个元素。那就很明确了，如果栈里面有两个相同的值，那么后进栈的这个元素在判断时，会将前一个和自己一样元素判定为“左边第一个小于自己的值”，从而发生错误。
那么栈中不应该存放两个相同的值，栈应该是严格递增的。在判断是否需要出栈时，大于或者等于当前判断元素的数据都要出栈。

栈中存放下标还是值本身？
就本题而言，是为了记录前一个小于自己的值的位置，那么需要存放下标（过程中会比较元素的大小，而且我们还需要最终获取下标）。如果是需要找到前一个小于自身的值，那么就存放值本身。

实现

class Solution {
public:
    int largestRectangleArea(vector<int>& heights) {
        size_t num = heights.size();
        if (num == 0) {
            return 0;
        }
        
        vector<int> left_dis(num), right_dis(num);

        // get a stack
        stack<int> si;
        for (int i = 0; i < num; ++i) {
            // if stack not empty, check value
            while(!si.empty() && heights[si.top()] >= heights[i]) {
                si.pop();
            }
            if (si.empty()) {
                left_dis[i] = -1;
            } else {
                left_dis[i] = si.top();
            }
            si.push(i);
        }

        stack<int> si2;
        for (int i = num - 1; i >= 0; --i) {
            while(!si2.empty() && heights[si2.top()] >= heights[i]) {
                si2.pop();
            }
            if (si2.empty()) {
                right_dis[i] = num;
            } else {
                right_dis[i] = si2.top();
            }
            si2.push(i);
        }

        int max_val = 0;
        for (int i = 0; i < num; ++i) {
            int value = (right_dis[i] - left_dis[i] - 1) * heights[i];
            max_val = max(max_val, value);
        }
        return max_val;
    }
};

思考总结

从暴力解法入手，一步步分析。
单调栈可以用于O(N)的时间复杂度求解一侧的最大值或者最小值。