【LeetCode热题100】打卡第17天:接雨水&全排列&旋转图像
⛅前言
大家好,我是知识汲取者,欢迎来到我的LeetCode热题100刷题专栏!
精选 100 道力扣(LeetCode)上最热门的题目,适合初识算法与数据结构的新手和想要在短时间内高效提升的人,熟练掌握这 100 道题,你就已经具备了在代码世界通行的基本能力。在此专栏中,我们将会涵盖各种类型的算法题目,包括但不限于数组、链表、树、字典树、图、排序、搜索、动态规划等等,并会提供详细的解题思路以及Java代码实现。如果你也想刷题,不断提升自己,就请加入我们吧!QQ群号:827302436。我们共同监督打卡,一起学习,一起进步。
博客主页💖:知识汲取者的博客
LeetCode热题100专栏🚀:LeetCode热题100
Gitee地址📁:知识汲取者 (aghp) - Gitee.com
Github地址📁:Chinafrfq · GitHub
题目来源📢:LeetCode 热题 100 - 学习计划 - 力扣(LeetCode)全球极客挚爱的技术成长平台
PS:作者水平有限,如有错误或描述不当的地方,恳请及时告诉作者,作者将不胜感激
接雨水
🔒题目
原题链接:42. 接雨水
🔑题解
-
解法一:按行求解(超出时间限制)
按行求解主要思路:自底向上迭代得到最终的答案,难点在于左右边界的判定,左右边界需要使用一个变量来判定,简单粗暴
-
Step1:获取柱子的最大高度,用于遍历
-
Step2:遍历每一层中所有的柱子,如果出现了左边界,就使用一个临时变量(temp)对雨水体积进行自增1;如果同时出现了右边界,就将临时变量记录的雨水体积加入到结果变量(ans)中。其中左边界和右边界的判断是同一个条件,即当前柱子的高度大于等于当前层的高度(核心步骤)
-
Step3:经过Step1和Steap2的迭代,最终就能够得到最终的结果
下面是上述步骤的一个简单图解:
/** * @author ghp * @date 2023/6/9 * @title * @description */ class Solution { public int trap(int[] height) { int ans = 0; // 获取柱子的最大高度 int maxHeight = getMaxHeight(height); // 遍历每一层高度 for (int i = 1; i <= maxHeight; i++) { boolean f = false; // 用于判断是否存在左边界 true-存在左边界 int temp = 0; // 用于记录当前边界能够接纳的雨水 // 遍历每一个柱子 for (int j = 0; j < height.length; j++) { if (f && height[j] < i) { // 左侧出现了边界,同时当前柱子的高度小于当前层的高度,说明可以接纳雨水 temp++; } if (height[j] >= i) { // 当前柱子的高度大于等于当前层的高度 // 说明当前柱子可以作为左边界,同时也说明当前柱子可以作为上一个左边界的右边界 // 所以需要将上一个左边界记录的雨水体积加到 ans 中,同时重新开始记录 f = true; ans += temp; temp = 0; } } } return ans; } private int getMaxHeight(int[] height) { int maxHeight = Integer.MIN_VALUE; for (int i = 0; i < height.length; i++) { if (height[i] > maxHeight) { maxHeight = height[i]; } } return maxHeight; } }
复杂度分析:
- 时间复杂度: O ( n ∗ m ) O(n*m) O(n∗m)
- 空间复杂度: O ( 1 ) O(1) O(1)
其中 n n n 为数组中元素的个数, m m m为柱子的最大高度
-
-
解法二:按列求解(通过)
案列求解的思路就要比按行求解简单多路,先枚举每一个柱子,分别找出当前柱子左右两侧的最大高度的柱子,然后分别比较两者取较小者,因为能接多少雨水只跟左右柱子的最短高度有关。
/** * @author ghp * @date 2023/6/9 * @title * @description */ class Solution { public int trap(int[] height) { int ans = 0; // 遍历所有的柱子 for (int i = 0; i < height.length; i++) { // 寻找左侧最大高度 int leftMax = Integer.MIN_VALUE; for (int j = i - 1; j >= 0; j--) { if (height[j] > leftMax) { leftMax = height[j]; } } // 寻找右侧最大高度 int rightMax = Integer.MIN_VALUE; for (int j = i + 1; j < height.length; j++) { if (height[j] > rightMax) { rightMax = height[j]; } } // 计算当前柱子上能够接纳的雨水 int min = Math.min(leftMax, rightMax); if (min > height[i]) { // 只有较矮的柱子大于当前柱子高度才能够接纳雨水 ans += min - height[i]; } } return ans; } }
复杂度分析:
- 时间复杂度: O ( n 2 ) O(n^2) O(n2)
- 空间复杂度: O ( 1 ) O(1) O(1)
其中 n n n 为数组中元素的个数
很奇怪,这一个时间复杂度高达 n 2 n^2 n2居然也能过,解法一反而过不了,这个可能跟LeetCode官方提供的测试数据有关系吧!如果最大高度是大于柱子的个数,则解法二更优,最大高度小于柱子的数量,则解法一更优,很显然测试数据肯定是柱子的最大高度大于柱子的个数的,所以才导致解法一过不了,解法二能过O(∩_∩)O
-
解法三:动态规划
在解法二中,我们每次求解左右两侧的最大高度,都需要重新遍历一遍,很显然这存在很多重复的计算,所以我们可以使用动态规划来省略这些重复的计算,我们可以创建两个数组 left[i](表示第i个柱子左侧的最大高度) 和 right[i](表示第i给柱子右侧的最大高度),这样我们就只需要遍历一遍,就能得到每个柱子左侧的最大高度和右侧的的最大高度,话不多说,开整。
动态规划的核心就是得到动态转移方程,这里涉及到两个动态转移方程:
-
对于left[i],也就是第 i 个柱子左侧的最大高度,有两种情况可供选择,第一种情况,左侧最大高度就是左侧的柱子,第二种情况,左侧做大高度是左侧柱子的最大高度,总结起来就是:
left[i] = Math.max(left[i-1], height[i-1]);
-
对于right[i],也就是第 i 个柱子右侧的最大高度,同样有两种情况可供选择,第一种情况,右侧最大高度就是右侧的柱子,第二种情况,右侧最大高度是右侧柱子的最大高度,总结起来就是:
right[i] = Math.max(right[i+1], heigth[i+1]);
PS:解法三本质上是对解法二的一个优化
/** * @author ghp * @date 2023/6/9 * @title * @description */ class Solution { public int trap(int[] height) { int ans = 0; int[] left = new int[height.length]; int[] right = new int[height.length]; // 从左往右遍历,得到每一个柱子的左侧最大高度 for (int i = 1; i < height.length; i++) { left[i] = Math.max(left[i - 1], height[i - 1]); } // 从右往左遍历,得到每一个柱子的右侧最大高度 for (int i = height.length - 2; i >= 0; i--) { right[i] = Math.max(right[i + 1], height[i + 1]); } // 从左往右遍历每一个柱子 for (int i = 0; i < height.length; i++) { // 得到当前柱子左右最大高度的较小者 int min = Math.min(left[i], right[i]); if (min > height[i]) { // 当 当前柱子左右最大高度的较小者 比当前柱子的高度还要高时 // 才计算当前柱子可接纳的雨水(如果最小者都小于当前柱子高度,则不能接纳雨水) ans += min - height[i]; } } return ans; } }
复杂度分析:
- 时间复杂度: O ( n ) O(n) O(n)
- 空间复杂度: O ( n ) O(n) O(n)
其中 n n n 为数组中元素的个数
代码优化:上面的动态规划,相较于按列求解,很大程度上优化了时间复杂度(从 O ( n 2 ) O(n^2) O(n2)优化到 O ( n ) O(n) O(n)),但是仍有优化空间。我们可以发现从左往右的遍历过程中,我们可以计算出left[i],并不需要单独使用一个数组来存储left[i],这样我们就可以省略left数组,改用一个简单的变量来记录左侧最大高度O(∩_∩)O
/** * @author ghp * @date 2023/6/9 * @title * @description */ class Solution { public int trap(int[] height) { int ans = 0; int left = Integer.MIN_VALUE; int[] right = new int[height.length]; // 从右往左遍历,得到每一个柱子的右侧最大高度 for (int i = height.length - 2; i >= 0; i--) { right[i] = Math.max(right[i + 1], height[i + 1]); } // 从左往右遍历每一个柱子 for (int i = 0; i < height.length; i++) { // 计算出左侧最大高度 left = Math.max(left, height[i]); // 得到当前柱子左右最大高度的较小者 int min = Math.min(left, right[i]); if (min > height[i]) { // 当 当前柱子左右最大高度的较小者 比当前柱子的高度还要高时 // 才计算当前柱子可接纳的雨水(如果最小者都小于当前柱子高度,则不能接纳雨水) ans += min - height[i]; } } return ans; } }
-
-
解法四:单调栈
单调栈应该是这题的究极解法了,单调栈的应用场景:在一群数组中,我们总数要找比当前数组更小或更大的一个元素,就可以考虑使用单调栈,单调栈分为单调递增栈和单调递减栈两类,很显然本题考察的单调递减栈,因为只有当左侧柱子的高度大于当前柱子的高度,才能够接纳雨水,递增的柱子是绝对不可能接纳雨水的(这个过程类似于解法一)
主要实现步骤:
- Step1:遍历所有的柱子
- Step2:构建递减栈。栈中的柱子是递减的,只要出现比上一个柱子还要高的柱子,则说明出现了右边界,说明此时存在接纳雨水的可能,所以我们需要进行计算
PS:关于单调栈相关题目还可以参考【打卡第24天:柱状图中最大的矩形】
这里还是画一个草图来加以理解吧,画个图相信一看就能够明白,千言万语抵不过一张图来的直观
假设:height[]={3,2,1,2},则程序运行流程如下
最终我们可以计算出ans的结果为1,所以height[]={3,2,1,2}时能最多接纳雨水的体积是1
import java.util.ArrayDeque; import java.util.Deque; /** * @author ghp * @date 2023/6/9 * @title * @description */ class Solution { public int trap(int[] height) { int ans = 0; Deque<Integer> stack = new ArrayDeque<>(); for (int i = 0; i < height.length; i++) { while (!stack.isEmpty() && height[i] > height[stack.peek()]) { // 当前柱子比上一个柱子要高,说明出现了右边界 // 则计算当前右边界与 最开始入栈的那个柱子(也就是左边界,栈是递减的) 构成的容器能容纳的雨水 int h = height[stack.pop()]; // 出栈得到当前准备接纳雨水的柱子高度 if (stack.isEmpty()) { // 如果此时栈为空,则说明只剩最后两个柱子了(一个左边界,一个右边界) // 无法构成接纳雨水的容器,直接退出循环 break; } // 计算左右边界之间的距离 int distance = i - stack.peek() - 1; // 获取左右边界中较短的高度 int min = Math.min(height[stack.peek()], height[i]); // 将当前柱子接纳的雨水加入 ans 中 ans += distance * (min - h); } stack.push(i); } return ans; } }
参考题解:
在此感谢大佬的究极题解,让我如沐春风,醍醐灌顶,不由得沉浸其中,真的太棒啦🤭
全排列
🔒题目
原题链接:46. 全排列
🔑题解
-
解法一:递归+回溯
看到这种全排列,一下就想到了BFS,这类题型算是很常规的题目了。这里就不再过多赘述了,毕竟时间宝贵
import java.util.*; /** * @author ghp * @title 全排列 */ class Solution { public List<List<Integer>> permute(int[] nums) { List<List<Integer>> ans = new ArrayList<>(10); Deque<Integer> path = new LinkedList<>(); boolean[] vis = new boolean[nums.length]; bfs(ans, nums, path, vis); return ans; } private void bfs(List<List<Integer>> ans, int[] nums, Deque<Integer> path, boolean[] vis) { // 递归结束条件 if (path.size() == nums.length) { // 此时已经遍历到最后一层了 ans.add(new ArrayList<>(path)); return; } for (int i = 0; i < nums.length; i++) { if (!vis[i]) { // 当前元素没有没被遍历,则添加到path中 path.addLast(nums[i]); vis[i] = true; bfs(ans, nums, path, vis); // 恢复现场,用于回溯 vis[i] = false; path.removeLast(); } } } }
备注:这里有一点小疑问?明明LinkedList删除和新增的性能要高于ArrayList,但是为什么使用ArrayList提交能够击败100%,但是使用LinkedList只能击败92%?有懂的大佬吗,希望能够为我解答一下疑惑w(゚Д゚)w
-
解法二:
这个解法是LeetCode官方提供的,我也是参考官方给出的思路,重新写了一遍。他是通过不断两两交换实现,思路比较新颖,十分值得借鉴。
import java.util.ArrayList; import java.util.Arrays; import java.util.Collections; import java.util.List; import java.util.stream.Collectors; /** * @author ghp * @title 全排列 */ class Solution { public List<List<Integer>> permute(int[] nums) { List<List<Integer>> ans = new ArrayList<>(10); List<Integer> path = Arrays.stream(nums).boxed().collect(Collectors.toList()); bfs(ans, path, 0); return ans; } private void bfs(List<List<Integer>> ans, List<Integer> path, int step) { // 递归结束条件 if (step == path.size()) { // 此时已经遍历到最后一层了 ans.add(new ArrayList<>(path)); return; } for (int i = step; i < path.size(); i++) { // 交换当前层元素(也就是第step个元素)与当前第i个元素 Collections.swap(path, step, i); // 遍历下一层 bfs(ans, path, step+1); // 恢复现场,用于回溯 Collections.swap(path, step, i); } } }
旋转图像
🔒题目
原题链接:48. 旋转图像
🔑题解
-
解法一:通过找出规律,进行替换
通过枚举,可以发现替换的规律,如下所示:
( 0 , 0 ) → ( 0 , n − 1 ) ( 0 , 1 ) → ( 1 , n − 1 ) ( 0 , 2 ) → ( 2 , n − 1 ) ( 1 , 0 ) → ( 0 , n − 2 ) ( 1 , 1 ) → ( 1 , n − 2 ) ( 1 , 2 ) → ( 2 , n − 2 ) . . . (0,0) → (0, n-1) \\ (0,1) → (1, n-1) \\ (0,2) → (2, n-1) \\ \\ (1,0) → (0, n-2) \\ (1,1) → (1, n-2) \\ (1,2) → (2, n-2) \\ ... (0,0)→(0,n−1)(0,1)→(1,n−1)(0,2)→(2,n−1)(1,0)→(0,n−2)(1,1)→(1,n−2)(1,2)→(2,n−2)...
经过枚举,我们可以得到替换公式: ( i , j ) → ( j , n − 1 − i ) (i, j)→(j, n-1-i) (i,j)→(j,n−1−i)import java.util.Arrays; /** * @author ghp * @title 旋转图像 */ class Solution { public void rotate(int[][] matrix) { int n = matrix.length; int[][] tempArr = new int[matrix.length][matrix.length]; for (int i = 0; i < n; i++) { for (int j = 0; j < n; j++) { int t = matrix[i][j]; tempArr[j][n-1-i] = matrix[i][j]; } } for (int i = 0; i < n; i++) { matrix[i] = Arrays.copyOf(tempArr[i], tempArr[i].length); } } }
复杂度分析
时间复杂度: O ( n 2 ) O(n^2) O(n2)
空间复杂度: O ( n 2 ) O(n^2) O(n2)
-
解法二:先水平翻转,后根据主对角线翻转
不得不佩服,这个思路真的是太巧妙了😫我怎么就想不到呢
class Solution { public void rotate(int[][] matrix) { int n = matrix.length; // 水平翻转 for (int i = 0; i < n / 2; ++i) { for (int j = 0; j < n; ++j) { int temp = matrix[i][j]; matrix[i][j] = matrix[n - i - 1][j]; matrix[n - i - 1][j] = temp; } } // 主对角线翻转 for (int i = 0; i < n; ++i) { for (int j = 0; j < i; ++j) { int temp = matrix[i][j]; matrix[i][j] = matrix[j][i]; matrix[j][i] = temp; } } } } 作者:LeetCode-Solution 链接:https://leetcode.cn/problems/rotate-image/solution/xuan-zhuan-tu-xiang-by-leetcode-solution-vu3m/ 来源:力扣(LeetCode) 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
复杂度分析
时间复杂度: O ( n 2 ) O(n^2) O(n2)
空间复杂度: O ( 1 ) O(1) O(1)