Leetcode - 11.盛最多水的容器(双指针算法)

    如果你时间比较紧迫,为了找工作而刷题,我建议你先刷热门推荐,一共100道题。

先刷热题 HOT 100,再刷精选 TOP 面试题,之后刷其他的题。

    接下来的一段时间,我会把做的这些题做一个总结,每天在 每日一题算法群中公布题目和解法,定时推送公众号,欢迎各位关注公众号加入群聊,大家一起监督一起努力。

LeetCode 11 盛最多水的容器

给定 n 个非负整数 a1,a2,...,an,每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线,垂直线 i 的两个端点分别为 (i, ai) 和 (i, 0)。找出其中的两条线,使得它们与 x 轴共同构成的容器可以容纳最多的水。

说明:你不能倾斜容器,且 n 的值至少为 2。

图中垂直线代表输入数组 [1,8,6,2,5,4,8,3,7]。在此情况下,容器能够容纳水(表示为蓝色部分)的最大值为 49

解释:数字8 的索引为1 数字7的索引为8 故容器水的体积为 (8-1)*7=49

示例:

输入: [1,8,6,2,5,4,8,3,7]
输出: 49                         

暴力枚举

    在这种情况下,我们将简单地考虑每、对可能出现的线段组合并找出这些情况之下的最大面积。

    拿到一道算法题,我一般都会先找出暴力的做法是怎么样的。这道题目由于是计算它的矩形面积,那么相当于是我们枚举所有的起点跟终点就可以将所有的面积算出来,然后再把它的面积最大值更新

时间复杂度:O(n^2) 两层循环
空间复杂度:O(1)

public class Solution {
    public int maxArea(int[] height) {
        int maxarea = 0;
        for (int i = 0; i < height.length; i++)
            for (int j = i + 1; j < height.length; j++)
                maxarea = Math.max(maxarea, Math.min(height[i], height[j]) * (j - i));
        return maxarea;
    }
}

双指针算法

    第二种算法是采用双指针的算法,由于我们在遍历所有可能的情况的时候,总是没有把上一次的经验转做下一次的变化一个教训,就是说我们每次计算的时候都是基于一个全新的状况,而双指针算法就是能够基于上一次的情况,对下一次怎么走做出一个最佳的判断
 这种方法背后的思路在于,两线段之间形成的区域总是会受到其中较短那条长度的限制。此外,两线段距离越远,得到的面积就越大。

    我们在由线段长度构成的数组中使用两个指针,一个放在开始,一个置于末尾。此外,我们会使用变量 maxarea 来持续存储到目前为止所获得的最大面积。在每一步中,我们会找出指针所指向的两条线段形成的区域,更新 maxarea,并将指向较短线段的指针向较长线段那端移动一步。

    public int maxArea(int[] height) {
        int res=0;//结果
        int i=0;//起点
        int j=height.length-1;//终点
        while(i<j){
            int water=Math.min(height[i],height[j]);//注水高度取两个值的最小值
            res=Math.max(res,(j-i)*water);//更新容器的结果
            if(height[i]<height[j])
            //小的一方先做出改变,因为若大的一方做出改变结果必定减小,小的
            //一方改变,在宽度变小的情况下长度可能会上升
                i+=1;
            else
                j-=1;
        }
        return res;
    }
}

时间复杂度:O(n) 一次扫描完成
空间复杂度:O(1) 

LeetCode day 1 题号1、2(两数之和,两数相加)

LeetCode day 2 题号 3、4 (最长无重复子串,两个有序数组的中位数)

LeetCode day3 题号5 (最长回文子串)

LeetCode day 4  10.正则匹配

快来加入 每日一题算法群 吧

                                    

  • 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