有一类问题,输入往往是一维数组,求解最值。表面看是一个普通的优化问题,直接想到用动态规划求解。但是在寻找最优子结构的时候,我们发现这个优化问题的最优子结构并不是那么清晰。这个时候我们可以看看这个问题可否转化为计算每个位置的短板。短板的唯一性决定了短板与位置一一对应。一旦能转化为短板问题,问题往往就能在o(n)时间解决。
容器最大容量
题目
输入一维数组,数组中每个值相当于隔板的高度,求数组中任意两隔板间盛水的最大量。
问题分析
隔板间的距离与较低隔板的高度乘积即为盛水的容量。此处短板即为较低隔板的高度。使用两个指针分别指向左右两个隔板,则当前隔板对所形成的容器容量为
(j−i)∗min(height.at(i),height.at(j))
然后移动短板,即向中间移动指向较小高度隔板的指针,更新最大容量。
代码
int maxArea(vector<int>& height) {
int len = height.size(), i=0, j=len-1;
int ret = 0;
while(j>i)
{
ret = max(ret, (j-i)*min(height.at(i), height.at(j) ) );
if(height.at(i) < height.at(j) ) i++;//增加短板的值
else j--;
}
return ret;
}
复杂度分析
该算法时间复杂度为 o(n) 。
凹槽蓄水量
问题分析
当前位置的蓄水量由左右两边计算的局部最大柱高lmax.at(i)、rmax.at(i)的最小值决定。所以短板为左右局部最大柱高的最小值。
当前位置的蓄水量为
min(lmax.at(i),rmax.at(i))−height.at(i)
。
代码
int trap(vector<int>& height) {
int len = height.size();
if(len==0) return 0;
vector<int> lmax(len, height.at(0));
vector<int> rmax(len, height.at(len-1));
for(int i=1; i<len; i++)
lmax.at(i) = max(lmax.at(i-1), height.at(i));
for(int i=len-2; i>=0; i--)
rmax.at(i) = max(rmax.at(i+1), height.at(i));
int ret = 0;
for(int i=0; i<len; i++)
ret += min(lmax.at(i), rmax.at(i))-height.at(i);
return ret;
}
复杂度分析
该算法时间复杂度为 o(n) 。