labuladong 手把手搞懂接雨水问题的多种解法
接雨水这道题目挺有意思,在面试题中出现频率还挺高的,本文就来步步优化,讲解一下这道题:
就是用一个数组表示一个条形图,问你这个条形图最多能接多少水,函数签名如下:
int trap(int[] height);
下面就来由浅入深介绍**暴力解法 -> 备忘录解法 -> 双指针解法**,在 O(N) 时间 O(1) 空间内解决这个问题。
一、暴力解法
Sub problem
对于这种问题,我们不要想整体,而应该去想局部;就像之前的文章写的动态规划问题处理字符串问题,不要考虑如何处理整个字符串,而是去思考应该如何处理每一个字符。
这么一想,可以发现这道题的思路其实很简单。具体来说,仅仅对于位置i
,能装下多少水呢?
NOTE:
一、上述讲述的是分析问题的思路(参见
How-to-analysis
章节),它体现了:1、divide and conquer
2、problem and sub problem
能装 2 格水,因为height[i]
的高度为 0,而这里最多能盛 2 格水,2-0=2。
为什么位置i
最多能盛 2 格水呢?因为,位置i
能达到的水柱高度和其左边的最高柱子、右边的最高柱子有关,我们分别称这两个柱子高度为l_max
和r_max
;位置 i 最大的水柱高度就是min(l_max, r_max)
。
更进一步,对于位置i
,能够装的水为:
water[i] = min(
# 左边最高的柱子
max(height[0..i]),
# 右边最高的柱子
max(height[i..end])
) - height[i]
这就是本问题的核心思路,我们可以简单写一个暴力算法:
int trap(vector<int>& height) {
int n = height.size();
int res = 0;
for (int i = 1; i < n - 1; i++) {
int l_max = 0, r_max = 0;
// 找右边最高的柱子
for (int j = i; j < n; j++)
r_max = max(r_max, height[j]);
// 找左边最高的柱子
for (int j = i; j >= 0; j--)
l_max = max(l_max, height[j]);
// 如果自己就是最高的话,
// l_max == r_max == height[i]
res += min(l_max, r_max) - height[i];
}
return res;
}
有之前的思路,这个解法应该是很直接粗暴的,时间复杂度 O(N^2),空间复杂度 O(1)。但是很明显这种计算r_max
和l_max
的方式非常笨拙,一般的优化方法就是**备忘录**。
NOTE:
1、下面的我第一次写的错误的程序:
#include<vector> #include<iostream> #include <algorithm> // std::max using namespace std; int trap(vector<int> &height) { int res = 0; int len = height.size(); int l_max = height[0]; int r_max = 0; /** * i 从 1 开始,是因为第0个,肯定无法积水 */ for (int i = 1; i < height.size(); ++i) { l_max = max(l_max, height[i - 1]); for (int j = i + 1; j < len; j++) { r_max = max(r_max, height[j]); } if (l_max > height[i] && r_max > height[i]) { res += (min(l_max, r_max) - height[i]); } } return res; } int main() { vector<int> height = { 0, 1, 0, 2, 1, 0, 1, 3, 2, 1, 2, 1 }; cout << trap(height); } // g++ --std=c++11 test.cpp
它的错误之处在于在于将
int r_max = 0;
放在了for
循环之外,这就导致了r_max
一直是height[0:i]
的最大值,而不是我们设计的height[i+1:-1]
的最大值。下面是正确的代码:
#include<vector> #include<iostream> #include <algorithm> // std::max using namespace std; int trap(vector<int> &height) { int res = 0; int len = height.size(); int l_max = height[0]; /** * i 从 1 开始,是因为第0个,肯定无法积水 */ for (int i = 1; i < height.size(); ++i) { l_max = max(l_max, height[i - 1]); int r_max = 0; for (int j = i + 1; j < len; j++) { r_max = max(r_max, height[j]); } if (l_max > height[i] && r_max > height[i]) { res += (min(l_max, r_max) - height[i]); } } return res; } int main() { vector<int> height = { 0, 1, 0, 2, 1, 0, 1, 3, 2, 1, 2, 1 }; cout << trap(height) << "\n"; } // g++ --std=c++11 test.cpp
二、备忘录优化
之前的暴力解法,不是在每个位置i
都要计算r_max
和l_max
吗?我们直接把结果都提前计算出来,别傻不拉几的每次都遍历,这时间复杂度不就降下来了嘛。
我们开两个数组r_max
和l_max
充当备忘录,l_max[i]
表示位置i
左边最高的柱子高度,r_max[i]
表示位置i
右边最高的柱子高度。预先把这两个数组计算好,避免重复计算:
int trap(vector<int>& height) {
if (height.empty()) return 0;
int n = height.size();
int res = 0;
// 数组充当备忘录
vector<int> l_max(n), r_max(n);
// 初始化 base case
l_max[0] = height[0];
r_max[n - 1] = height[n - 1];
// 从左向右计算 l_max
for (int i = 1; i < n; i++)
l_max[i] = max(height[i], l_max[i - 1]);
// 从右向左计算 r_max
for (int i = n - 2; i >= 0; i--)
r_max[i] = max(height[i], r_max[i + 1]);
// 计算答案
for (int i = 1; i < n - 1; i++)
res += min(l_max[i], r_max[i]) - height[i];
return res;
}
这个优化其实和暴力解法思路差不多,就是避免了重复计算,把时间复杂度降低为 O(N),已经是最优了,但是空间复杂度是 O(N)。下面来看一个精妙一些的解法,能够把空间复杂度降低到 O(1)。
三、双指针解法
NOTE:
1、只要确保左侧、右侧有更高的,那么就可以积水,不管中间有没有更加高的,可能中间有更高的,但是它能够积水的量是取决于较小值,而不是较高值。因此当需要计算当前current pointer的积水深度,计算方式为:
min(l_max, r_max) - height[current]
。下面程序中的
if (l_max < r_max)
其实就是为了取得min(l_max, r_max)
。下面的这种算法就运用了这种思路。
2、左右指针中,也有current pointer
3、原文没有介绍的是,当
height[current]
与max height相等的时候,则它们的差肯定是0,即它的积水肯定是04、这种写法的一个优势是:
l_max
是height[0..left]
中最高柱子的高度,r_max
是height[right..n-1]
的最高柱子的高度因此,求解
l_max
、r_max
是可以增量式的,即下面所说的**边走边算**,显然这比前面的为求解最大值,而遍历整个要有很大的优势先计算
l_max
、r_max
,然后计算**积水深度**,那一侧的跟小,就先计算哪一侧的积水深度。必须要逐个计算,即one-by-one。
5、当
max_height
和 current pointer的height相同的时候,并不会积水,即积水深度为0,因此仍然可以使用上述算法进行计算积水深度。6、如何滑动
left
、right
pointer?7、
这种解法的思路是完全相同的,但在实现手法上非常巧妙,我们这次也不要用备忘录提前计算了,而是用双指针**边走边算**,节省下空间复杂度。
l_max
和r_max
分别表示什么意义呢?
首先,看一部分代码:
int trap(vector<int>& height) {
int n = height.size();
int left = 0, right = n - 1;
int l_max = height[0];
int r_max = height[n - 1];
while (left <= right) {
l_max = max(l_max, height[left]);
r_max = max(r_max, height[right]);
left++; right--;
}
}
对于这部分代码,请问l_max
和r_max
分别表示什么意义呢?
很容易理解,l_max
是height[0..left]
中最高柱子的高度,r_max
是height[right..n-1]
的最高柱子的高度。
解法
明白了这一点,直接看解法:
int trap(vector<int>& height) {
if (height.empty()) return 0;
int n = height.size();
int left = 0, right = n - 1;
int res = 0;
int l_max = height[0];
int r_max = height[n - 1];
while (left <= right) {
l_max = max(l_max, height[left]);
r_max = max(r_max, height[right]);
// res += min(l_max, r_max) - height[i]
if (l_max < r_max) {
res += l_max - height[left];
left++;
} else {
res += r_max - height[right];
right--;
}
}
return res;
}
NOTE:
1、循环体内,每次只有一个pointer移动
[1,1,3,1]
l_max = 1, r_max = 1
你看,其中的核心思想和之前一模一样,换汤不换药。但是细心的读者可能会发现次解法还是有点细节差异:
两种接法的差异
备忘录解法
之前的备忘录解法,l_max[i]
和r_max[i]
分别代表height[0..i]
和height[i..n-1]
的最高柱子高度。
res += min(l_max[i], r_max[i]) - height[i];
但是双
双指针解法
指针解法中,l_max
和r_max
代表的是height[0..left]
和height[right..n-1]
的最高柱子高度。比如这段代码:
if (l_max < r_max) {
res += l_max - height[left];
left++;
}
此时的l_max
是left
指针左边的最高柱子,但是r_max
并不一定是left
指针右边最高的柱子,这真的可以得到正确答案吗?
其实这个问题要这么思考,我们只在乎min(l_max, r_max)
。对于上图的情况,我们已经知道l_max < r_max
了,至于这个r_max
是不是右边最大的,不重要。重要的是height[i]
能够装的水只和较低的l_max
之差有关:
这样,接雨水问题就解决了,学会了吗?三连安排!