力扣https://leetcode-cn.com/problems/sum-of-subarray-ranges/
暴力法:
遍历每个序列的最大值最小值,时间复杂度为o(n2)
class Solution:
def subArrayRanges(self, nums: List[int]) -> int:
dp = 0
for i in range(1, len(nums)):
dpmin = nums[i]
dpmax = nums[i]
for j in range(i-1, -1, -1):
if dpmin > nums[j]:
dpmin = nums[j]
if dpmax < nums[j]:
dpmax = nums[j]
dp += dpmax - dpmin
return dp
单调栈:
时间复杂度o(n)
# 单调栈为什么可行:对于每个i而言,如果能保证出现在所有子序列中,那么可以认为对i的遍历完成,例如对于[1,2,3,4]的3而言,[1,2,3][2,3][3,4]都能遍历, # 就可以认为对3的遍历完成([2,3,4]包含在对2的遍历里面),也可以理解为以i为起点,可以到达各个终点。 # 首先,这道题可以拆分成求所有子序列的最大值减去最小值。我们可以利用单调栈寻找最小值(最大值同理),对于i而言,寻找比i小的数,往左数到j,往右数到k # 那么包含i且以i为最小值的序列个数为(i-k)*(j-i)个,对于其他包含i但不以i为最小值的序列的遍历,将由k和j完成 # 去重复: 对于[...3,4,5,3...]而言,[3,4,5,3]会被重复计算,所以定义第一个3的下标比第二个3的下标小,认为第一个3小于第二个3 # 单调栈一般都会有特点,一个连续序列,对于每个序列都要找左边或右边最大或最小。说白了,如果你读题后有这样的感觉,一字长龙队,问队里每个人你最远能看到都有谁的头比你高或比你低,那9成是单调栈,而且是最高是递减栈,最低是递增栈。
class Solution1:
def subArrayRanges(self, nums: List[int]) -> int:
n = len(nums)
minLeft, maxLeft = [0] * n, [0] * n
minStack, maxStack = [], []
for i, num in enumerate(nums):
while minStack and nums[minStack[-1]] > num:
minStack.pop()
minLeft[i] = minStack[-1] if minStack else -1
minStack.append(i)
# 如果 nums[maxStack[-1]] == num, 那么根据定义,
# nums[maxStack[-1]] 逻辑上小于 num,因为 maxStack[-1] < i
while maxStack and nums[maxStack[-1]] <= num:
maxStack.pop()
maxLeft[i] = maxStack[-1] if maxStack else -1
maxStack.append(i)
minRight, maxRight = [0] * n, [0] * n
minStack, maxStack = [], []
for i in range(n - 1, -1, -1):
num = nums[i]
# 如果 nums[minStack[-1]] == num, 那么根据定义,
# nums[minStack[-1]] 逻辑上大于 num,因为 minStack[-1] > i
while minStack and nums[minStack[-1]] >= num:
minStack.pop()
minRight[i] = minStack[-1] if minStack else n
minStack.append(i)
while maxStack and nums[maxStack[-1]] < num:
maxStack.pop()
maxRight[i] = maxStack[-1] if maxStack else n
maxStack.append(i)
sumMax, sumMin = 0, 0
for i, num in enumerate(nums):
sumMax += (maxRight[i] - i) * (i - maxLeft[i]) * num
sumMin += (minRight[i] - i) * (i - minLeft[i]) * num
return sumMax - sumMin