[LeetCode] 42. Trapping Rain Water 收集雨水
Given n non-negative integers representing an elevation map where the width of each bar is 1, compute how much water it is able to trap after raining.
The above elevation map is represented by array [0,1,0,2,1,0,1,3,2,1,2,1]. In this case, 6 units of rain water (blue section) are being trapped. Thanks Marcos for contributing this image!
Example:
- Input: [0,1,0,2,1,0,1,3,2,1,2,1]
- Output: 6
这道收集雨水的题跟之前的那道 Largest Rectangle in Histogram 有些类似,但是又不太一样,先来看一种方法,这种方法是基于动态规划 Dynamic Programming 的,维护一个一维的 dp 数组,这个 DP 算法需要遍历两遍数组,第一遍在 dp[i] 中存入i位置左边的最大值,然后开始第二遍遍历数组,第二次遍历时找右边最大值,然后和左边最大值比较取其中的较小值,然后跟当前值 A[i] 相比,如果大于当前值,则将差值存入结果,参见代码如下:
C++ 解法一:
- class Solution {
- public:
- int trap(vector<int>& height) {
- int res = , mx = , n = height.size();
- vector<int> dp(n, );
- for (int i = ; i < n; ++i) {
- dp[i] = mx;
- mx = max(mx, height[i]);
- }
- mx = ;
- for (int i = n - ; i >= ; --i) {
- dp[i] = min(dp[i], mx);
- mx = max(mx, height[i]);
- if (dp[i] > height[i]) res += dp[i] - height[i];
- }
- return res;
- }
- };
Java 解法一:
- public class Solution {
- public int trap(int[] height) {
- int res = 0, mx = 0, n = height.length;
- int[] dp = new int[n];
- for (int i = 0; i < n; ++i) {
- dp[i] = mx;
- mx = Math.max(mx, height[i]);
- }
- mx = 0;
- for (int i = n - 1; i >= 0; --i) {
- dp[i] = Math.min(dp[i], mx);
- mx = Math.max(mx, height[i]);
- if (dp[i] - height[i] > 0) res += dp[i] - height[i];
- }
- return res;
- }
- }
再看一种只需要遍历一次即可的解法,这个算法需要 left 和 right 两个指针分别指向数组的首尾位置,从两边向中间扫描,在当前两指针确定的范围内,先比较两头找出较小值,如果较小值是 left 指向的值,则从左向右扫描,如果较小值是 right 指向的值,则从右向左扫描,若遇到的值比当较小值小,则将差值存入结果,如遇到的值大,则重新确定新的窗口范围,以此类推直至 left 和 right 指针重合,参见代码如下:
C++ 解法二:
- class Solution {
- public:
- int trap(vector<int>& height) {
- int res = , l = , r = height.size() - ;
- while (l < r) {
- int mn = min(height[l], height[r]);
- if (mn == height[l]) {
- ++l;
- while (l < r && height[l] < mn) {
- res += mn - height[l++];
- }
- } else {
- --r;
- while (l < r && height[r] < mn) {
- res += mn - height[r--];
- }
- }
- }
- return res;
- }
- };
Java 解法二:
- public class Solution {
- public int trap(int[] height) {
- int res = 0, l = 0, r = height.length - 1;
- while (l < r) {
- int mn = Math.min(height[l], height[r]);
- if (height[l] == mn) {
- ++l;
- while (l < r && height[l] < mn) {
- res += mn - height[l++];
- }
- } else {
- --r;
- while (l < r && height[r] < mn) {
- res += mn - height[r--];
- }
- }
- }
- return res;
- }
- }
我们可以对上面的解法进行进一步优化,使其更加简洁:
C++ 解法三:
- class Solution {
- public:
- int trap(vector<int>& height) {
- int l = , r = height.size() - , level = , res = ;
- while (l < r) {
- int lower = height[(height[l] < height[r]) ? l++ : r--];
- level = max(level, lower);
- res += level - lower;
- }
- return res;
- }
- };
Java 解法三:
- public class Solution {
- public int trap(int[] height) {
- int l = 0, r = height.length - 1, level = 0, res = 0;
- while (l < r) {
- int lower = height[(height[l] < height[r]) ? l++ : r--];
- level = Math.max(level, lower);
- res += level - lower;
- }
- return res;
- }
- }
下面这种解法是用 stack 来做的,博主一开始都没有注意到这道题的 tag 还有 stack,所以以后在总结的时候还是要多多留意一下标签啊。其实用 stack 的方法博主感觉更容易理解,思路是,遍历高度,如果此时栈为空,或者当前高度小于等于栈顶高度,则把当前高度的坐标压入栈,注意这里不直接把高度压入栈,而是把坐标压入栈,这样方便在后来算水平距离。当遇到比栈顶高度大的时候,就说明有可能会有坑存在,可以装雨水。此时栈里至少有一个高度,如果只有一个的话,那么不能形成坑,直接跳过,如果多余一个的话,那么此时把栈顶元素取出来当作坑,新的栈顶元素就是左边界,当前高度是右边界,只要取二者较小的,减去坑的高度,长度就是右边界坐标减去左边界坐标再减1,二者相乘就是盛水量啦,参见代码如下:
C++ 解法四:
- class Solution {
- public:
- int trap(vector<int>& height) {
- stack<int> st;
- int i = , res = , n = height.size();
- while (i < n) {
- if (st.empty() || height[i] <= height[st.top()]) {
- st.push(i++);
- } else {
- int t = st.top(); st.pop();
- if (st.empty()) continue;
- res += (min(height[i], height[st.top()]) - height[t]) * (i - st.top() - );
- }
- }
- return res;
- }
- };
Java 解法四:
- class Solution {
- public int trap(int[] height) {
- Stack<Integer> s = new Stack<Integer>();
- int i = 0, n = height.length, res = 0;
- while (i < n) {
- if (s.isEmpty() || height[i] <= height[s.peek()]) {
- s.push(i++);
- } else {
- int t = s.pop();
- if (s.isEmpty()) continue;
- res += (Math.min(height[i], height[s.peek()]) - height[t]) * (i - s.peek() - 1);
- }
- }
- return res;
- }
- }
Github 同步地址:
https://github.com/grandyang/leetcode/issues/42
类似题目:
参考资料:
https://leetcode.com/problems/trapping-rain-water/
https://leetcode.com/problems/trapping-rain-water/discuss/17364/7-lines-C-C%2B%2B
LeetCode All in One 题目讲解汇总(持续更新中...)
[LeetCode] 42. Trapping Rain Water 收集雨水的更多相关文章
- leetcode#42 Trapping rain water的五种解法详解
leetcode#42 Trapping rain water 这道题十分有意思,可以用很多方法做出来,每种方法的思想都值得让人细细体会. 42. Trapping Rain WaterGiven n ...
- [array] leetcode - 42. Trapping Rain Water - Hard
leetcode - 42. Trapping Rain Water - Hard descrition Given n non-negative integers representing an e ...
- LeetCode 42. Trapping Rain Water 【两种解法】(python排序遍历,C++ STL map存索引,时间复杂度O(nlogn))
LeetCode 42. Trapping Rain Water Python解法 解题思路: 本思路需找到最高点左右遍历,时间复杂度O(nlogn),以下为向左遍历的过程. 将每一个点的高度和索引存 ...
- LeetCode - 42. Trapping Rain Water
42. Trapping Rain Water Problem's Link ------------------------------------------------------------- ...
- [LeetCode] Trapping Rain Water 收集雨水
Given n non-negative integers representing an elevation map where the width of each bar is 1, comput ...
- leetCode 42.Trapping Rain Water(凹槽的雨水) 解题思路和方法
Trapping Rain Water Given n non-negative integers representing an elevation map where the width of e ...
- [LintCode] Trapping Rain Water 收集雨水
Given n non-negative integers representing an elevation map where the width of each bar is 1, comput ...
- 【LeetCode】42. Trapping Rain Water 接雨水 (C++)
作者: 负雪明烛 id: fuxuemingzhu 个人博客:http://fuxuemingzhu.cn/ 目录 题目描述 题目大意 解题方法 暴力求解 保存左右最大值 单调栈 日期 题目地址:ht ...
- [leetcode]42. Trapping Rain Water雨水积水问题
Given n non-negative integers representing an elevation map where the width of each bar is 1, comput ...
随机推荐
- Server基本语句的用法
1.创建数据库 create database databaseName use databaseName go /* 转到指定数据库 */ 2.创建表 create table tableNa ...
- TP事物的写法
Db::startTrans(); try{ Db::commit(); } catch (\Exception $e) { Db::rollback(); } use think\Db; publi ...
- varnish实现缓存加速
varnish实现缓存加速 一.采用varnish为nginx实现缓存加速1.实验环境:(1)一台varnish缓存服务器,一台nginx服务器(2)关闭防火墙和selinux2.配置varnish( ...
- 微服务与K8S容器云平台架构
微服务与K8S容器云平台架构 微服务与12要素 网络 日志收集 服务网关 服务注册 服务治理- java agent 监控 今天先到这儿,希望对技术领导力, 企业管理,系统架构设计与评估,团队管理, ...
- Flask中获取参数(路径,查询,请求体,请求头)
上一篇中已经讲述了:HTTP协议向服务器传参有几种途径{ 链接 } 在Flask中同样通过这4中传参途径进行归纳: 1. URL中路径参数的获取: 拓展: # 路由参数/路径参数:http://127 ...
- Network出现两次相同请求?
出现的状况 Network中出现了两个相同的请求(如图),两个发起了同样的请求,花的时间却不同,一个55ms,一个花了294ms. 两个相同的请求 什么情况啊?研究了一番,我发现有一个地方是不同的 ...
- JS 实现动态轮播图
JavaScript实现轮播图思路 + html/css + js源码 整个轮播图的效果是通过js代码,操作dom, 拿到html我们需要的元素,控制整个ul的距离浏览器左边的位置,让排好的图片依次出 ...
- table-layout:fixed
table-layout: fixed; 在table上设置上面属性后,如果不设置td的宽度,那么所有td的宽度平分总table宽度.如果设置了td的宽度,则以设置的宽度为准. table-layou ...
- 什么是EAC模型
在20世纪70年代末,一个心理学学生理查德•班德勒和一个语言学学生约翰•格林德提出了一个EAC模型,即眼睛解读线索.这个模型对不同的感官和思维方式之间进行一些有效的研究, 对于大部分的人来说,左边往往 ...
- vscod如何自定义 python虚拟环境
参考文档:https://code.visualstudio.com/docs/python/environments 1.创建虚拟环境,cd到当前目录 py -3 -m venv env 2.Ctr ...