leetcode11：盛最多水的容器（木桶效应启发的贪心思路与双指针实现）

文章目录

一、题目描述
二、木桶效应的启发
三、双指针解法
四、代码实现
五、关键点与复杂度分析

LeetCode 11. 盛最多水的容器，【难度：中等；通过率：59.8%】，这道题的精髓在于 木桶效应的巧妙应用，通过双指针算法实现 O(n) 时间复杂度的最优解

一、题目描述

给定一个长度为 n 的整数数组 height。有 n 条垂线，第 i 条线的两个端点是 (i, 0) 和 (i, height[i])。

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。

返回容器可以储存的最大水量。

说明：你不能倾斜容器

示例:

输入: nums = [1,8,6,2,5,4,8,3,7]
输出: 49
解释: 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。

二、木桶效应的启发

题目的要求是找到能容纳最多水的容器。直接暴力枚举所有可能的组合会比较复杂，时间复杂度为O(n²)。这里有一个非常关键的思想转换：

如果我们将容器看作一个木桶，那么容器能装多少水就取决于最短的那块木板，而不是最长的。

容器的宽度 = 两条线之间的距离 (r - l)
容器的高度 = 两条线中较短的那条 min(height[l], height[r])
容器的容量 = 宽度 × 高度 = (r - l) * min(height[l], height[r])

通过这个转换，问题就从"找到能容纳最多水的容器"，变成了"如何高效地找到最优的左右边界组合"，涉及到“左右”的遍历，自然而然想到双指针的具体实现

当然，木桶效应只是一个灵感，实际上可行的原因，是对底层的局部最优解的洞察，详见下文

三、双指针解法

现在问题是如何高效地找到最优的左右边界组合。显然，暴力枚举所有可能的组合需要 O(n²) 时间复杂度，这在数据量大的情况下显然超时

双指针算法的核心思想：

初始化：左指针 l 指向数组开头，右指针 r 指向数组末尾
贪心策略：每次移动较短的那一端
为什么移动短板？
- 如果移动长板，宽度减少，高度不变或减少，容量必然不会增加（即贪心的思想，寻求局部最优）
- 如果移动短板，虽然宽度减少，但高度可能增加，容量有可能增加
终止条件：两个指针相遇

关键洞察：移动长板永远不会得到更大的容量，因此移动短板是唯一可能改善结果的选择。这个贪心策略保证了我们不会错过最优解

四、代码实现

这就是我们将上述所有思路融合在一起的最终代码：

class Solution {
    public int maxArea(int[] height) {
        // 1. 初始化双指针：左指针指向数组开头，右指针指向数组末尾
        int l = 0, r = height.length - 1;
        int ans = Integer.MIN_VALUE; // 记录最大容量
        
        // 2. 双指针向中间收缩，直到相遇
        while (l < r) {
            // 3. 根据木桶效应，容量由较短的板决定
            if (height[l] < height[r]) {
                // a. 左板较短，计算当前容量并更新最大值
                // 容量 = 宽度 × 高度 = (r - l) × height[l]
                ans = Math.max(ans, (r - l) * height[l]);
                // b. 移动左指针，寻找可能更高的左板
                // 因为右板更高，移动右板不可能得到更大容量
                l++;
            } else {
                // a. 右板较短或相等，计算当前容量并更新最大值
                ans = Math.max(ans, (r - l) * height[r]);
                // b. 移动右指针，寻找可能更高的右板
                // 因为左板更高或相等，移动左板不可能得到更大容量
                r--;
            }
        }
        
        return ans;
    }
}