LC42: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 1:
1
2
3
输入:height = [0,1,0,2,1,0,1,3,2,1,2,1]
输出:6
解释:上面是由数组 [0,1,0,2,1,0,1,3,2,1,2,1] 表示的高度图,在这种情况下,可以接 6 个单位的雨水(蓝色部分表示雨水)。
示例 2:
1
2
输入:height = [4,2,0,3,2,5]
输出:9
提示:
n == height.length1 <= n <= 2 * 1040 <= height[i] <= 105
分析
我们可以按列分析,即考虑每列的柱子上能“顶着”多少雨水。对于第 i 列,想要求出其能接多少雨水,我们需要分别求出左右两侧最高的柱子 max_left 和 max_right,根据木桶原理,第 i 列能“顶”的水量为 min(max_left, max_right) - height[i]。于是,问题就演变成求每一列的 max_left 和 max_right。
我们可以使用动态规划求解。dp_left[i] 表示第 i 列左侧柱子的最大值,dp_right[i] 表示右侧柱子的最大值。转移方程为:
1
2
dp_left[i] = max(dp_left[i - 1], height[i])
dp_right[i] = max(dp_right[i + 1], height[i])
这里其实省略了一步,
dp_left[i]应该等于max(dp_left[i - 2], height[i - 1]),即计算每一列左侧的最大值且不包括该列本身。但是为什么我们可以让该列本身的值也参与计算呢?因为其实本列高度不影响结果:
- 如果
height[i] <= height[i - 1],则两种计算方法结果一致;- 如果
height[i] > height[i - 1],则本身这列接的水量就是0,也没有影响。反而是用max(dp_left[i - 2], height[i - 1])会造成实现上的繁琐,因此我们直接采用简单的方法计算。
我们只需算出 dp 数组,再遍历一遍即可得到答案,时间复杂度为 O(n),空间复杂度为 O(n)。
我们可以用双指针法来优化空间复杂度。
由于每个 max_left 和 max_right 只使用了一次,因此我们不需要使用 dp 数组保存全部的 max_left 和 max_right,只需要在遍历的过程中动态更新即可。如果是从左往右遍历的话,对于 max_left,可以通过 max(max_left, height[i]) 简单地计算,而 max_right 则需要每次扫描右边的所有值才能得到,因此我们引入了双指针 left 和 right 从两侧向中间进行双向遍历。
如何确定每次移动 left 还是 right 指针呢?假设某一位置 max_left < max_right,则不管右边的 right 指针如何移动,left 位置的水量由 max_left 和右边的某个更大的值中的较小值决定。而由于 max_left < max_right,min(max_left, 更高的 max_right) 仍然是 max_left。因此,此时可以确定 left 位置的水量为 max_left - height[left],然后移动左指针。
因此,当 max_left 较小时处理左指针,反之处理右指针。
双指针法时间复杂度为 O(n),空间复杂度为 O(1)。
实现
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
class Solution {
public int trap(int[] height) {
int left = 0, right = height.length - 1;
int maxleft = 0, maxright = 0;
int ans = 0;
while (right >= left) {
maxleft = Math.max(maxleft, height[left]);
maxright = Math.max(maxright, height[right]);
if (maxleft > maxright) {
ans += maxright - height[right];
right--;
} else {
ans += maxleft - height[left];
left++;
}
}
return ans;
}
}
