42. 接雨水#
生活中的算法#
你有没有注意过,很多户外运动的水壶都有不规则的凹凸形状?这些凹凸不仅便于握持,而且在横放时会形成天然的积水区域。如果下雨,雨水就会积聚在这些凹槽中。
这就是我们今天要讲的”接雨水”问题的生活映射。在算法中,我们要计算在一排高低不平的柱子之间,能够积攒多少雨水。每个凹陷的地方都可能积水,但具体能积多少,要看它左右两边最高柱子的情况。
问题描述#
题目目标#
给定 n 个非负整数表示柱状图中每个宽度为 1 的柱子高度,计算下雨之后这组柱子一共能接住多少雨水。
示例 1#
输入: height = [0,1,0,2,1,0,1,3,2,1,2,1]
输出: 6
柱状图示意:
索引: 0 1 2 3 4 5 6 7 8 9 10 11
高度: 0 1 0 2 1 0 1 3 2 1 2 1
积水: 0 1 0 1 2 1 0 0 1 0 0text说明: 每个位置的积水量取决于它左侧最高柱子和右侧最高柱子中的较小值,全部位置累加后结果为 6。
补充说明#
- 两端柱子无法形成封闭区域,因此不会积水。
- 题目的关键在于快速得到每个位置左右两侧的最高挡板。
最直观的解法:按列求解法#
最容易想到的方法是:对于每一个位置,看看它能积多少水。要知道一个位置能积多少水,我们需要知道这个位置左右两边最高的柱子。这个位置能积的水就是两边最高柱子中较矮的那个减去当前位置的高度。
具体步骤是这样的:
- 遍历每个位置
- 找出这个位置左边最高的柱子
- 找出这个位置右边最高的柱子
- 用两边最高柱子中较矮的减去当前位置的高度
- 如果结果大于0,就累加到总量中
让我们用一个小例子来模拟这个过程:
height = [3,1,2,4]
位置1(高度1):
- 左边最高3
- 右边最高4
- min(3,4) - 1 = 2,可以积2单位水
位置2(高度2):
- 左边最高3
- 右边最高4
- min(3,4) - 2 = 1,可以积1单位水
总共可以积3单位水plaintext这种思路可以用Java代码这样实现:
public int trap(int[] height) {
// totalWater 用于累计所有位置最终能接到的雨水总量
int totalWater = 0;
// 遍历每个位置(除去两端)
// 两端无法形成“左右挡板”,一定不能积水,因此从 1 到 length-2
for (int i = 1; i < height.length - 1; i++) {
// leftMax 记录当前位置 i 左侧(含 i)能看到的最高柱子
int leftMax = 0;
// rightMax 记录当前位置 i 右侧(含 i)能看到的最高柱子
int rightMax = 0;
// 找出左边最高的柱子
// j 从最左端扫到 i,不断更新 leftMax
for (int j = 0; j <= i; j++) {
leftMax = Math.max(leftMax, height[j]);
}
// 找出右边最高的柱子
// j 从 i 扫到最右端,不断更新 rightMax
for (int j = i; j < height.length; j++) {
rightMax = Math.max(rightMax, height[j]);
}
// 计算当前位置能积的水
// 当前位置水位由左右最高柱子的较小值决定,再减去当前柱高
totalWater += Math.min(leftMax, rightMax) - height[i];
}
// 返回总积水量
return totalWater;
}java优化解法:动态规划法#
细想一下就会发现,我们在计算每个位置时,都要重复查找左右最高柱子。其实我们可以提前计算好每个位置的左右最大高度,这样就能避免重复计算。
这就是动态规划的思想:通过空间换时间,将计算结果保存下来重复使用。
动态规划法的原理#
- 创建两个数组,分别记录每个位置左边和右边的最大高度
- 第一次遍历,从左向右计算每个位置左边的最大高度
- 第二次遍历,从右向左计算每个位置右边的最大高度
- 第三次遍历,根据左右最大高度计算每个位置能积的水量
算法步骤(伪代码)#
- 初始化leftMax和rightMax数组,长度等于height数组长度
- 从左向右遍历:
- leftMax[i] = max(leftMax[i-1], height[i])
- 从右向左遍历:
- rightMax[i] = max(rightMax[i+1], height[i])
- 遍历每个位置,计算:
- water[i] = min(leftMax[i], rightMax[i]) - height[i]
示例运行#
让我们用height = [3,1,2,4]模拟这个过程:
第一次遍历(计算leftMax):
leftMax[0] = 3
leftMax[1] = max(3,1) = 3
leftMax[2] = max(3,2) = 3
leftMax[3] = max(3,4) = 4
第二次遍历(计算rightMax):
rightMax[3] = 4
rightMax[2] = max(4,2) = 4
rightMax[1] = max(4,1) = 4
rightMax[0] = max(4,3) = 4
第三次遍历(计算积水):
位置1:min(3,4) - 1 = 2
位置2:min(3,4) - 2 = 1
总积水 = 3plaintextJava代码实现#
public int trap(int[] height) {
// 边界条件:空数组或柱子少于 3 根时,无法形成凹槽积水
if (height == null || height.length <= 2) return 0;
// n 表示柱子总数,便于后续复用
int n = height.length;
// leftMax[i] 表示下标 i 左侧(含 i)最高柱子高度
int[] leftMax = new int[n];
// rightMax[i] 表示下标 i 右侧(含 i)最高柱子高度
int[] rightMax = new int[n];
// 计算每个位置左边的最大高度
// 第一个位置左侧最高值只能是自己
leftMax[0] = height[0];
for (int i = 1; i < n; i++) {
// 当前位置左侧最高 = 前一位置左侧最高 与 当前高度 取较大值
leftMax[i] = Math.max(leftMax[i-1], height[i]);
}
// 计算每个位置右边的最大高度
// 最后一个位置右侧最高值只能是自己
rightMax[n-1] = height[n-1];
for (int i = n-2; i >= 0; i--) {
// 当前位置右侧最高 = 后一位置右侧最高 与 当前高度 取较大值
rightMax[i] = Math.max(rightMax[i+1], height[i]);
}
// 计算总积水量
// totalWater 累加每个位置的积水
int totalWater = 0;
for (int i = 1; i < n-1; i++) {
// 每个位置积水 = 左右最大值中的较小者 - 当前高度
totalWater += Math.min(leftMax[i], rightMax[i]) - height[i];
}
// 返回总积水量
return totalWater;
}java进一步优化:双指针法#
我们还可以做得更好。注意到一个位置能积的水,取决于左右两边最高柱子中较矮的那个。利用这个特性,我们可以使用双指针来进一步优化空间复杂度。
双指针法的核心思想#
- 使用左右两个指针从两端向中间移动
- 同时维护左右两边见过的最大高度
- 较小的那一边可以确定积水量,然后向中间移动
- 这样就不需要额外的数组来存储左右最大高度
Java代码实现#
public int trap(int[] height) {
// left 从左端出发,right 从右端出发
int left = 0, right = height.length - 1;
// leftMax 记录 left 扫描过程中见到的最高柱子
// rightMax 记录 right 扫描过程中见到的最高柱子
int leftMax = 0, rightMax = 0;
// totalWater 用于累加所有已确定位置的积水
int totalWater = 0;
// 当左右指针未相遇时,区间内仍有位置需要计算
while (left < right) {
// 更新左右最大高度
// 先更新,再计算,保证使用的是“到当前位置为止”的最高值
leftMax = Math.max(leftMax, height[left]);
rightMax = Math.max(rightMax, height[right]);
// 选择较小的一边计算积水
// 若 leftMax < rightMax,说明 left 侧水位已被 leftMax 限定,可安全结算 left 位置
if (leftMax < rightMax) {
// left 位置可积水 = leftMax - 当前高度
totalWater += leftMax - height[left];
// 结算完成,left 右移处理下一个位置
left++;
} else {
// 否则 right 侧较小(或相等),可安全结算 right 位置
// right 位置可积水 = rightMax - 当前高度
totalWater += rightMax - height[right];
// 结算完成,right 左移处理下一个位置
right--;
}
}
// 返回累计的总积水量
return totalWater;
}java解法比较#
让我们比较这三种解法:
按列求解法:
- 时间复杂度:O(n²)
- 空间复杂度:O(1)
- 优点:直观易懂
- 缺点:效率低,有大量重复计算
动态规划法:
- 时间复杂度:O(n)
- 空间复杂度:O(n)
- 优点:避免重复计算,思路清晰
- 缺点:需要额外空间
双指针法:
- 时间复杂度:O(n)
- 空间复杂度:O(1)
- 优点:时间和空间都达到最优
- 缺点:理解起来较难
题目模式总结#
这道题体现了几个重要的算法思想:
- 空间换时间:通过预处理或记忆化来避免重复计算
- 双指针技巧:使用双指针来优化空间复杂度
- 动态规划:将问题分解为子问题并存储中间结果
这种解题模式在很多问题中都有应用,比如:
- 容器盛水问题
- 柱状图中最大的矩形
- 股票买卖的最佳时机
解决这类问题的通用思路是:
- 先想最直观的解法
- 观察是否存在重复计算
- 考虑是否可以通过预处理优化
- 进一步思考是否可以优化空间复杂度
小结#
通过这道题,我们不仅学会了如何计算接雨水的容量,更重要的是理解了如何一步步优化算法的思维过程。从最直观的解法开始,通过观察特点,利用空间换时间,最后找到时间空间都最优的解法。
记住,算法优化往往是一个渐进的过程。当你遇到一个复杂问题时,先写出最基础的解法,然后再一步步优化。有时候,最优解往往就藏在最基础解法的深入思考中!