LeetCode-困难-42-接雨水-双指针/快速排序(C)

文章首发及后续更新:https://mwhls.top/1851.html
新的更新内容请到mwhls.top查看。
无图/无目录/格式错误/更多相关请到上方的文章首发页面查看。

LeetCode题解目录

我这次的题图好传神!

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。

示例 1:

输入:height = [0,1,0,2,1,0,1,3,2,1,2,1]
输出:6
解释: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)。
示例 2:

输入:height = [4,2,0,3,2,5]
输出:9
 

提示:

n == height.length
0 <= n <= 3 * 104
0 <= height[i] <= 105

来源:力扣(LeetCode)
链接:https://leetcode-cn.com/problems/trapping-rain-water
著作权归领扣网络所有。商业转载请联系官方授权,非商业转载请注明出处。

思路
  • 先讲一下思考过程:
    • 根据这题的样子,首先能想到每格的雨水是如何计算的。
    • 但这里的雨水,如果取得少了,又会因为更高的地方,涨上来。
    • 于是先想到了找极值点,这样就能把每个最高点都取出来。
    • 但最高点不一定就不会被雨水淹没,所以又打算对这些最高点再取一次极值点,
    • 如此循环,最后会剩两个最高点。
    • 这两个最高点中间的雨水,一定会涨到min(height1, height2)的高度上。
    • 那么左边次高的点,也是如此计算,右边亦然。
    • 如此循环,就能计算出来。
    • 然后简化了一下过程,发现这个就是从高到低排序分配雨水,于是有了下面更简单的思路。
  • 下面是正文:
    • 先定义一个softResult[] = {0, 1, 2, 3, ......, n-1},用来表示height的下标。
    • 然后使用快速排序,将下标,按其height[]里的值,从高到低排序。
      • 如果直接排序height[],那么雨水就接不到了。
    • 排序完,定义两个指针left与right:
      • 其中,left表示目前雨水已填充的左边界,right表示右边界。
      • 刚开始时,left与right都在最高点,即softResult[0]。
      • 这个是用来防止重复加水的,水是生命之源,要节约用水。
    • 再来一个循环,从pos = 1开始,遍历softResult:
      • 如果softResult[pos]在left左边,为其中间的空位填充雨水,在right右边,亦然。
      • 每次填充完雨水,left与right都会相应移动,到填充过雨水的边界。
      • 当遍历完softResult,雨水也分配完了。
        • 实际上,当left与right到达数组边界的时候,已经可以提前结束了,但下面的代码没有这样做。
        • 究其原因,是因为当时我没想到。
    • 雨水的填充:
      • 雨水会填充与两个高点的中间,这两个高点中,较低的点的高度,就是雨水将填充到的高度。
      • 将这个高度,减去地面的高度,就能获得雨水的体积了。
  • 优化方向:
    • 提高排序效率:
      • 感觉我写的快速排序效率不高,我还是第一次实际用它,没怎么理解,就是直接改改上来的。
      • 没有根据这个问题优化一下。
      • 以及可能因为是递归,所以内存用了不少。
    • 提高填充雨水效率:
      • 就是判断下left与right是否到数组边界,到了边界提前结束分配,感觉会减少些计算量。
      • 但同时又增加了判断边界的计算量,不好说会不会快。
      • 因为排名连80都上不去,就不改了。
代码
int trap(int* height, int heightSize){
    if(heightSize == 0) return 0;
    int pos, sum = 0, left, right, pos2;
    int* softResult = malloc(sizeof(int) * heightSize);
    for(pos = 0;    pos < heightSize;   pos++)
        softResult[pos] = pos;
    quickSoft(height, 0, heightSize-1, softResult);
    left = right = softResult[0];
    for(pos = 1;    pos < heightSize;   pos++){
        if(softResult[pos] < left){
            for(pos2 = softResult[pos] + 1; pos2 < left; pos2++){
                if(height[softResult[pos]] < height[pos2]) continue;
                sum += height[softResult[pos]] - height[pos2];
            }
            left = softResult[pos];
        }
        else if(softResult[pos] > right){
            for(pos2 = right + 1; pos2 < softResult[pos]; pos2++){
                if(height[softResult[pos]] < height[pos2]) continue;
                sum += height[softResult[pos]] - height[pos2];
            }
            right = softResult[pos];
        }
    }
    return sum;
    
}

void quickSoft(int *height, int left, int right, int* softResult){
	if (left > right) return;		 
	int cLeft = left;
	int cRight = right;
    int standardPos = softResult[cLeft];
	while(cLeft<cRight){
		while(cLeft<cRight && height[standardPos] >= height[softResult[cRight]]) 
			cRight -= 1;
		if(cLeft<cRight)
			softResult[cLeft] = softResult[cRight];
		while(cLeft<cRight && height[standardPos] <= height[softResult[cLeft]])
			cLeft += 1;
		if(cLeft<cRight)
			softResult[cRight] = softResult[cLeft];
	}
	softResult[cLeft] = standardPos;
	quickSoft(height, left, cLeft-1, softResult);
	quickSoft(height, cLeft+1, right, softResult);
}
### 回答1: 好的,我来用中文回复这个链:https://leetcode-cn.com/tag/dynamic-programming/ 这个链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。
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