leetcode最大矩形_[LeetCode] 单调栈

写在前面的话:

前几天写了关于用栈找到下一个最大数的文章,突然这几天看到一篇关于单调栈的文章[LeetCode Monotone Stack Summary 单调栈小结],发现不但用栈可以找到下一个最大数,也可以找下一个最小数,甚至更复杂的模型!

1. 什么是单调栈?有什么好处?

见名知意,就是栈中元素,按递增顺序或者递减顺序排列的时候

单调栈的最大好处就是时间复杂度是线性的,每个元素遍历一次!

2. 哪些性质?

单调递增栈可以找到左起第一个比当前数字小的元素:

比如数组:[3,5,4,1],我们如何要找每一个元素下一个最小数.例如:3 下一个最小的数为1,5下一个是4.我们先构造栈,把3压入栈中,5入栈时候,发现栈顶元素3比它小,也依次压入;当4时候,栈顶元素5大于4,于是得到,5左起第一个小的元素为4.将5弹出,压入4.接下来元素1,也比栈顶元素小,于是得到4第一个小的元素为1,弹出4,依次类推,3也是1...栈中的元素一直保持单调递增的状态.

单调递减栈可以找到左起第一个比当前数字大的元素:

可以参考下一个最大数

今天我们要用这个单调栈,解决一下比较复杂的问题!

84. 柱状图中最大的矩形

题目描述:

给定 n 个非负整数，用来表示柱状图中各个柱子的高度。每个柱子彼此相邻，且宽度为 1 。

求在该柱状图中，能够勾勒出来的矩形的最大面积。

以上是柱状图的示例，其中每个柱子的宽度为 1，给定的高度为 [2,1,5,6,2,3]。

图中阴影部分为所能勾勒出的最大矩形面积，其面积为 10 个单位。

示例:

输入: [2,1,5,6,2,3]
输出: 10

思路:

如何能找到最大矩形,像木桶原理,取决于最短那个.

我们构造递增栈,遇到栈顶元素大于遍历元素,我们操作.

代码:

class Solution:
    def largestRectangleArea(self, heights) -> int:
        stack = []
        heights = [0] + heights + [0]
        n = len(heights)
        res = 0
        for i in range(n):
            # print(stack)
            while stack and heights[stack[-1]] > heights[i]:
                cur = stack.pop()
                res = max(res, (i - stack[-1] - 1) * heights[cur])
            stack.append(i)
        return res

42. 接雨水

题目描述:

给定 n 个非负整数表示每个宽度为 1 的柱子的高度图，计算按此排列的柱子，下雨之后能接多少雨水。

示例:

输入: [0,1,0,2,1,0,1,3,2,1,2,1]
输出: 6

思路:

构造递增栈,参考链接

[LeetCode] Trapping Rain Water 收集雨水​www.cnblogs.com

代码:

class Solution:
    def trap(self, height):
        stack = []
        res = 0

        for i in range(len(height)):
            while stack and height[stack[-1]] < height[i]:
                cur = stack.pop()
                if not stack: break
                res += (min(height[stack[-1]], height[i]) - height[cur]) * (i - stack[-1] - 1)
            stack.append(i)
        return res

总结:

其实单调栈的原理,也可以用记录前后缀的最值来代替.比如接雨水,我们可以记录从左往右,到位置i的最大值,然后记录,从右往左的最大值,判断此时的height[i]是否小于两边!

代码如下:

def trap(self, height):
        n = len(height)
        dp_left = [0] * n
        dp_left[0] = height[0]
        for i in range(1, n):
            dp_left[i] = max(dp_left[i - 1], height[i])
        tmp = 0
        res = 0
        for i in range(n - 1, -1, -1):
            dp_left[i] = min(dp_left[i], tmp)
            tmp = max(tmp, height[i])
            if dp_left[i] > height[i]:
                res += dp_left[i] - height[i]
        return res