【力扣算法】42-接雨水

题目

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。

上面是由数组 [0,1,0,2,1,0,1,3,2,1,2,1] 表示的高度图，在这种情况下，可以接 6 个单位的雨水（蓝色部分表示雨水）。 感谢 Marcos 贡献此图。

示例:

输入: [0,1,0,2,1,0,1,3,2,1,2,1]
输出: 6

题解

方法 1：暴力

直观想法

直接按问题描述进行。对于数组中的每个元素，我们找出下雨后水能达到的最高位置，等于两边最大高度的较小值减去当前高度的值。

算法

初始化 ans=0
从左向右扫描数组：
初始化 max_left=0 和 max_right=0
从当前元素向左扫描并更新：
max_left=max(max_left,height[j])
从当前元素向右扫描并更新：
max_right=max(max_right,height[j])
将min(max_left,max_right)−height[i] 累加到 ans

java:

int trap(vector<int>& height)
{
    int ans = 0;
    int size = height.size();
    for (int i = 1; i < size - 1; i++) {
        int max_left = 0, max_right = 0;
        for (int j = i; j >= 0; j--) { //Search the left part for max bar size
            max_left = max(max_left, height[j]);
        }
        for (int j = i; j < size; j++) { //Search the right part for max bar size
            max_right = max(max_right, height[j]);
        }
        ans += min(max_left, max_right) - height[i];
    }
    return ans;
}

复杂性分析

时间复杂度： O(n^2)。数组中的每个元素都需要向左向右扫描。

空间复杂度 O(1) 的额外空间。

方法 2：动态编程

直观想法

在暴力方法中，我们仅仅为了找到最大值每次都要向左和向右扫描一次。但是我们可以提前存储这个值。因此，可以通过动态编程解决。

这个概念可以见下图解释：

算法

找到数组中从下标 i 到最左端最高的条形块高度 left_max。
找到数组中从下标 i 到最右端最高的条形块高度 right_max。
扫描数组height 并更新答案：
累加 min(max_left[i],max_right[i])−height[i] 到 ans 上

c++:

int trap(vector<int>& height)
{
	if(height == null)
		return 0;
    int ans = 0;
    int size = height.size();
    vector<int> left_max(size), right_max(size);
    left_max[0] = height[0];
    for (int i = 1; i < size; i++) {
        left_max[i] = max(height[i], left_max[i - 1]);
    }
    right_max[size - 1] = height[size - 1];
    for (int i = size - 2; i >= 0; i--) {
        right_max[i] = max(height[i], right_max[i + 1]);
    }
    for (int i = 1; i < size - 1; i++) {
        ans += min(left_max[i], right_max[i]) - height[i];
    }
    return ans;
}

复杂性分析

时间复杂度：O(n)。

存储最大高度数组，需要两次遍历，每次 O(n)。
最终使用存储的数据更新 ans ，O(n)。
空间复杂度：O(n) 额外空间。

和方法 1 相比使用了额外的 O(n) 空间用来放置left_max 和 right_max 数组。

方法 3：栈的应用

直观想法

我们可以不用像方法 2 那样存储最大高度，而是用栈来跟踪可能储水的最长的条形块。使用栈就可以在一次遍历内完成计算。

我们在遍历数组时维护一个栈。如果当前的条形块小于或等于栈顶的条形块，我们将条形块的索引入栈，意思是当前的条形块被栈中的前一个条形块界定。如果我们发现一个条形块长于栈顶，我们可以确定栈顶的条形块被当前条形块和栈的前一个条形块界定，因此我们可以弹出栈顶元素并且累加答案到 $\text{ans}$ 。

算法

• 使用栈来存储条形块的索引下标。
• 遍历数组：
  • 当栈非空且 $\text{height}[current]>\text{height}[st.top()]$
    • 意味着栈中元素可以被弹出。弹出栈顶元素 $\text{top}$。
    • 计算当前元素和栈顶元素的距离，准备进行填充操作 $\text{distance}=\text{current}-\text{st.top}()-1$
    • 找出界定高度 $\text{bounded\_height}=\min (\text{height[current]},\text{height[st.top()]})-\text{height[top]}$
    • 往答案中累加积水量$\text{ans}+=\text{distance}\times \text{bounded\_height}$
  • 将当前索引下标入栈
  • 将$\text{current}$ 移动到下个位置

int trap(vector<int>& height)
{
    int ans = 0, current = 0;
    stack<int> st;
    while (current < height.size()) {
        while (!st.empty() && height[current] > height[st.top()]) {
            int top = st.top();
            st.pop();
            if (st.empty())
                break;
            int distance = current - st.top() - 1;
            int bounded_height = min(height[current], height[st.top()]) - height[top];
            ans += distance * bounded_height;
        }
        st.push(current++);
    }
    return ans;
}

复杂性分析

时间复杂度：O(n)。
单次遍历 O(n) ，每个条形块最多访问两次（由于栈的弹入和弹出），并且弹入和弹出栈都是 O(1) 的。
空间复杂度：O(n)。 栈最多在阶梯型或平坦型条形块结构中占用 O(n) 的空间。

方法 4：使用双指针

直观想法

和方法 2 相比，我们不从左和从右分开计算，我们想办法一次完成遍历。 从动态编程方法的示意图中我们注意到，只要 $\text{right\_max}[i]>\text{left\_max}[i]$ （元素 0 到元素 6），积水高度将由 left_max 决定，类似地 $\text{left\_max}[i]>\text{right\_max}[i]$（元素 8 到元素 11）。 所以我们可以认为如果一端有更高的条形块（例如右端），积水的高度依赖于当前方向的高度（从左到右）。当我们发现另一侧（右侧）的条形块高度不是最高的，我们则开始从相反的方向遍历（从右到左）。 我们必须在遍历时维护 $\text{left\_max}$ 和 $\text{right\_max}$ ，但是我们现在可以使用两个指针交替进行，实现 1 次遍历即可完成。

算法

初始化 $\text{left}$ 指针为 0 并且 $\text{right}$ 指针为 size-1

C++:

int trap(vector<int>& height)
{
    int left = 0, right = height.size() - 1;
    int ans = 0;
    int left_max = 0, right_max = 0;
    while (left < right) {
        if (height[left] < height[right]) {
            height[left] >= left_max ? (left_max = height[left]) : ans += (left_max - height[left]);
            ++left;
        }
        else {
            height[right] >= right_max ? (right_max = height[right]) : ans += (right_max - height[right]);
            --right;
        }
    }
    return ans;
}

复杂性分析

时间复杂度：O(n)。单次遍历的时间O(n)。
空间复杂度：O(1) 的额外空间。$\text{left}$, $\text{right}$, $\text{left\_max}$ 和 $\text{right\_max}$ 只需要常数的空间。
作者：LeetCode
链接：https://leetcode-cn.com/problems/two-sum/solution/jie-yu-shui-by-leetcode/
来源：力扣（LeetCode）
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

感想

观察可以得出一个规律：积满雨水的图形一定是先递增再递减的图形（递增或者递减过程也可以不存在），所以可以在这个规律基础上解决这道题目。

执行用时 : 3 ms, 在Trapping Rain Water的Java提交中击败了94.82% 的用户

内存消耗 : 36.1 MB, 在Trapping Rain Water的Java提交中击败了93.18% 的用户

class Solution {
    public int trap(int[] height) {
        if(height==null||height.length<3) return 0;
        int peak = 0;
        int rock = 0;
        int rain = 0;
        for(int i = 1;i<height.length;i++){
            if(height[i]>=height[peak]){
                rain+=height[peak]*(i-peak-1)-rock;
                rock = 0;
                peak = i;
            }
            else rock+=height[i];
        }
        rock = 0;
        int peak2 = height.length-1;
        for(int i = height.length-2;i>=peak;i--){
            if(height[i]>=height[peak2]){
                rain+=height[peak2]*(peak2-i-1)-rock;
                rock = 0;
                peak2 = i;
            }
            else{
                rock+=height[i];
            }
        }
        return rain;
    }
}