leetcode - 42. Trapping Rain Water

42. Trapping Rain Water

Given n non-negative integers representing anelevation map where the width of each bar is 1, compute how much water it isable to trap after raining.

For example, 
Given [0,1,0,2,1,0,1,3,2,1,2,1],return 6

 

给定n个非负数,然后返回它们能积水多少个单位。看下图就很容易理解。

 

算法思想

         两个柱子之间要能积水必须满足条件:两个柱子距离要大于等于1,并且它们之间只能存在比它们小的柱子。

 

         知道了这个条件之后,考虑将问题分割,只需要找到两个柱子驻水,就可以递归求解其他的柱子,然后把每两个的柱子的水加起来就能得到总的体积。

 

 

步骤

1.      从数组头开始遍历,找到第一个有高度的柱子,当前位置就是这个柱子的下标。

2.      从当前位置开始向后查找,当前柱子高度为h,查找的时候记录下已经过的柱子的体积s1,并记录当前走过的宽度w:

a)        若可以找到一个比自己高或者和自己一样的柱子,停止,计算当前柱子到查找到的柱子之间的积水体积。s = h * w – s0。

b)        若找不到比当前位置高的柱子,就找到当前位置之后第二高的柱子,停止,计算他们之间的积水: s = h * w – s0

3.      当前位置设置为第2步找到的下一个位置,重复第2步,当前位置到达最后一个柱子。


class Solution {
public:

struct node{
	int max_h;
	int width;
	int tmp;
	int index;
};

int trap(vector<int>& a) {
	node t;
	if(a.size() < 1)return 0;	
	int sum , i , j;
	int endindex = a.size() - 1;
	i = j = sum = 0;	
	while(a[i] == 0) ++i;
	while( i != endindex){
		int h = a[i]; // heigth
		int w = 0;    // width
		int temp = 0; // temp sum
		t.max_h = -1;
		j = i + 1;	
		if(j >= endindex)return sum;
		
		while(a[j] < h){//找到下一个柱子
			if(a[j] > t.max_h){//to find the second h
				t.max_h = a[j];
				t.width = w;
				t.tmp = temp;
				t.index = j;
			}
			temp += a[j];
			j++; w++;
			if(  j > endindex)	break;
		}//while (j)

		if(j <= endindex){
			 sum+= h * w - temp;
			 i = j;
		}// if j <= end
		else{
			 sum+= t.max_h * t.width - t.tmp;
			 i = t.index;			
		}//if j > end
	}//while(i)
	return sum;
}
};


  • 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