[LeetCode - 双指针] 11. Container With Most Water

1 问题

Given n non-negative integers a1,a2,...,an, where each represents a point at coordinate (i,ai) . n vertical lines are drawn such that the two endpoints of line i is at (i,ai) and (i,0) . Find two lines, which together with x-axis forms a container, such that the container contains the most water.
Note: You may not slant the container and n is at least 2.

2 分析

这道题LeetCode网站中给出的解法为 双指针法双指针法在处理字符串类的问题中非常常见。这里着重从数学的角度分析该题目的解法。设容器的面积为 S , 且容器由 (i,ai) (j,aj) 构成。那么

Si,j=(ji)Min(ai,aj)0i<jn

题目求的是在不同 i,j 下,面积 S 的最大值。如果能够求出函数 S 随着 i,j 的增减性,便可以确定 S 的最大值。
下面根据 ai,aj 的相对大小讨论不同的 i,j 导致 S 的变化情况:

  1. 如果aiaj, 移动 ai ai+1 :
    1. 如果 ai+1ai ,那么 Si+1,j=Si,j (根据S的公式容易判断)
    2. 如果 ai+1<ai , 那么 Si+1,j<Si,j
      即在这种情况下,移动 ai 一定不会导致 Si,j 的面积增加
    • 如果 ai<aj , 移动 ai ai+1 :
      1. 如果 ai<ai+1<aj , 那么 Si+1,j 的面积有可能大于 Si,j
      2. 如果 ai<aj<ai+1 , 那么 Si+1,j 的面积一定大 Si,j
      3. 如果 ai+1<ai<aj , 那么 Si+1,j 的面积一定小 Si,j
    • 根据上述讨论,只有在2.1和2.2的情况下, Si,j 是单调增加的。因此可以将 i,j 分别指向数组的最左和最右端,只按照2.1和2.2的规律来移动 i,j , 便能够求出 S <script id="MathJax-Element-40" type="math/tex">S</script> 的最大值。

      3 代码

      public class Solution {
          public int maxArea(int[] height) {
              int maxarea = 0, l = 0, r = height.length - 1;
              while (l < r) {
                  maxarea = Math.max(maxarea, Math.min(height[l], height[r]) * (r - l));
                  if (height[l] < height[r])
                      l++;
                  else
                      r--;
              }
              return maxarea;
          }
      }

      [1]代码来源于LeetCode: https://leetcode.com/articles/container-most-water/

  • 0
    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。
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