当前位置: 首页 > news >正文

Leetcode+Java+单调栈

注:单调栈在以下题目并不是最优方法,最优是双指针

739.每日温度

给定一个整数数组 temperatures ,表示每天的温度,返回一个数组 answer ,其中 answer[i] 是指对于第 i 天,下一个更高温度出现在几天后。如果气温在这之后都不会升高,请在该位置用 0 来代替。

示例 1:

输入: temperatures = [73,74,75,71,69,72,76,73]
输出: [1,1,4,2,1,1,0,0]

示例 2:

输入: temperatures = [30,40,50,60]
输出: [1,1,1,0]

示例 3:

输入: temperatures = [30,60,90]
输出: [1,1,0]

提示:

  • 1 <= temperatures.length <= 105
  • 30 <= temperatures[i] <= 100

原理

  • 初始化一个空栈,存储天数的索引。
  • 遍历温度数组 temperatures:
    • 如果栈不为空且当前温度 temperatures[i] 大于栈顶索引对应的温度:
      • 弹出栈顶索引 index,计算 answer[index] = i - index(当前天与栈顶天的差值)。
      • 重复此过程,直到栈为空或当前温度不再大于栈顶温度。
    • 将当前天的索引 i 压入栈。
  • 遍历结束后,栈中剩余的索引对应的天没有更高的温度,answer 中对应位置默认为 0。

代码

import java.util.*;class Solution {public int[] dailyTemperatures(int[] temperatures) {int len = temperatures.length;// 初始化结果数组 answer,长度与输入数组相同,默认值为 0int[] answer = new int[len];// 创建一个栈,存储天数的索引,维护单调递减的温度序列Stack<Integer> stack = new Stack<>();// 将第一天的索引压入栈,作为起点stack.push(0);// 从第二天(索引 1)开始遍历for (int i = 1; i < len; i++) {// 当栈不为空且当前温度大于栈顶索引对应的温度while (!stack.isEmpty() && temperatures[i] > temperatures[stack.peek()]) {// 获取栈顶索引(即等待找到更高温度的天)int index = stack.peek();// 计算当前天 i 与栈顶天 index 的差值,存入 answeranswer[index] = i - stack.pop();}// 将当前天的索引 i 压入栈,等待后续更高温度stack.push(i);}// 返回结果数组,栈中剩余的索引对应的 answer 值为 0(默认值)return answer;}
}

496.下一个更大元素I

nums1 中数字 x 的 下一个更大元素 是指 x 在 nums2 中对应位置 右侧 的 第一个 比 x 大的元素。

给你两个 没有重复元素 的数组 nums1 和 nums2 ,下标从 0 开始计数,其中nums1 是 nums2 的子集。

对于每个 0 <= i < nums1.length ,找出满足 nums1[i] == nums2[j] 的下标 j ,并且在 nums2 确定 nums2[j] 的 下一个更大元素 。如果不存在下一个更大元素,那么本次查询的答案是 -1 。

返回一个长度为 nums1.length 的数组 ans 作为答案,满足 ans[i] 是如上所述的 下一个更大元素 。

示例 1:

输入:nums1 = [4,1,2], nums2 = [1,3,4,2].
输出:[-1,3,-1]
解释:nums1 中每个值的下一个更大元素如下所述:
- 4 ,用加粗斜体标识,nums2 = [1,3,4,2]。不存在下一个更大元素,所以答案是 -1 。
- 1 ,用加粗斜体标识,nums2 = [1,3,4,2]。下一个更大元素是 3 。
- 2 ,用加粗斜体标识,nums2 = [1,3,4,2]。不存在下一个更大元素,所以答案是 -1 。

示例 2:

输入:nums1 = [2,4], nums2 = [1,2,3,4].
输出:[3,-1]
解释:nums1 中每个值的下一个更大元素如下所述:
- 2 ,用加粗斜体标识,nums2 = [1,2,3,4]。下一个更大元素是 3 。
- 4 ,用加粗斜体标识,nums2 = [1,2,3,4]。不存在下一个更大元素,所以答案是 -1 。

提示:

  • 1 <= nums1.length <= nums2.length <= 1000
  • 0 <= nums1[i], nums2[i] <= 104
  • nums1nums2中所有整数 互不相同
  • nums1 中的所有整数同样出现在 nums2 中

原理

  • 问题本质
    • 给定两个数组 nums1 和 nums2,nums1 是 nums2 的子集(无重复元素)。
    • 对于 nums1[i],找到它在 nums2 中的对应位置 j(即 nums1[i] == nums2[j]),然后在 nums2 中寻找从 j 向右的第一个比 nums2[j] 大的元素,返回该元素的值。如果不存在,则返回 -1。
    • 结果存储在数组 ans 中,ans[i] 表示 nums1[i] 的下一个更大元素。
  • 单调栈的核心思想
    • 使用一个栈维护一个单调递减的元素序列(存储 nums2 中的元素值)。
    • 遍历 nums2 时:
      • 如果当前元素 nums2[i] 大于栈顶元素,则栈顶元素找到“下一个更大元素”,记录结果并弹出栈顶。
      • 将当前元素压入栈,继续维护单调性。
    • 遍历结束后,栈中剩余的元素没有下一个更大元素,记录为 -1。
    • 最后,根据 nums1 的元素查询结果。
  • 为什么用单调栈?
    • 单调栈适合解决“下一个更大元素”问题,因为它能高效地跟踪尚未找到更大元素的元素。
    • 时间复杂度为 O(n),其中 n 是 nums2 的长度;空间复杂度为 O(n),用于栈和存储结果。
  • 算法步骤
    • 初始化一个栈和一个映射(或数组)来存储每个元素的下一个更大元素。
    • 遍历 nums2:
      • 如果栈不为空且当前元素 nums2[i] 大于栈顶元素:
        • 弹出栈顶元素,记录 nums2[i] 为其下一个更大元素。
      • 将当前元素压入栈。
    • 栈中剩余的元素没有下一个更大元素,记录为 -1。
    • 根据 nums1 的元素,从映射中提取结果。

代码

import java.util.*;class Solution {public int[] nextGreaterElement(int[] nums1, int[] nums2) {// 初始化结果数组,长度为 nums1.lengthint[] result = new int[nums1.length];// 使用 HashMap 存储 nums2 中每个元素的下一个更大元素Map<Integer, Integer> nextGreater = new HashMap<>();// 创建单调栈,存储 nums2 的元素值Stack<Integer> stack = new Stack<>();// 遍历 nums2,寻找每个元素的下一个更大元素for (int num : nums2) {// 当栈不为空且当前元素大于栈顶元素while (!stack.isEmpty() && num > stack.peek()) {// 弹出栈顶元素,记录 num 为其下一个更大元素nextGreater.put(stack.pop(), num);}// 将当前元素压入栈stack.push(num);}// 栈中剩余的元素没有下一个更大元素,设为 -1while (!stack.isEmpty()) {nextGreater.put(stack.pop(), -1);}// 根据 nums1 的元素,从 nextGreater 中提取结果for (int i = 0; i < nums1.length; i++) {result[i] = nextGreater.get(nums1[i]);}return result;}
}

503.下一个更大元素II

给定一个循环数组 nums ( nums[nums.length - 1] 的下一个元素是 nums[0] ),返回 nums 中每个元素的 下一个更大元素 。

数字 x 的 下一个更大的元素 是按数组遍历顺序,这个数字之后的第一个比它更大的数,这意味着你应该循环地搜索它的下一个更大的数。如果不存在,则输出 -1 。

示例 1:

输入: nums = [1,2,1]
输出: [2,-1,2]
解释: 第一个 1 的下一个更大的数是 2;
数字 2 找不到下一个更大的数; 
第二个 1 的下一个最大的数需要循环搜索,结果也是 2。

示例 2:

输入: nums = [1,2,3,4,3]
输出: [2,3,4,-1,4]

提示:

  • 1 <= nums.length <= 104
  • -109 <= nums[i] <= 109

原理

  • 问题本质
    • 给定一个循环数组 nums,对于每个元素 nums[i],需要找到从位置 i 开始(向右循环,包括回到数组开头)的第一个比 nums[i] 大的元素。
    • 如果不存在更大的元素,则返回 -1。
    • 循环数组意味着 nums[nums.length - 1] 的下一个元素是 nums[0]。
  • 单调栈的核心思想
    • 使用一个栈维护一个单调递减的元素序列(存储数组索引)。
    • 由于是循环数组,需要模拟遍历两倍数组长度(2 * len),以确保每个元素都能检查到循环后的元素。
    • 遍历时:
      • 如果当前元素 nums[i % len] 大于栈顶索引对应的元素,则栈顶元素找到“下一个更大元素”,记录结果并弹出栈顶。
      • 将当前索引压入栈,继续维护单调性。
    • 栈中剩余的元素(在两次遍历后)没有更大的元素,answer 数组对应位置保持为 -1。
  • 为什么用单调栈?
    • 单调栈适合解决“下一个更大元素”问题,因为它能高效跟踪尚未找到更大元素的索引。
    • 循环数组的处理通过遍历两倍长度(2 * len)实现,模拟从数组末尾回到开头。
    • 时间复杂度为 O(n),每个元素最多被压栈和弹栈一次;空间复杂度为 O(n),用于栈和结果数组。
  • 算法步骤
    • 初始化结果数组 answer,默认值为 -1。
    • 创建一个单调栈,存储数组索引。
    • 遍历数组两遍(0 到 2 * len - 1):
      • 使用 i % len 获取循环数组的索引。
      • 如果当前元素大于栈顶索引对应的元素,弹出栈顶并记录结果。
      • 将当前索引压入栈。
    • 返回结果数组。

代码

import java.util.*;class Solution {public int[] nextGreaterElements(int[] nums) {int len = nums.length;// 初始化结果数组,长度为 nums.length,默认值为 -1int[] answer = new int[len];Arrays.fill(answer, -1);// 使用 ArrayDeque 作为栈,存储索引,维护单调递减序列Deque<Integer> stack = new ArrayDeque<>();// 遍历 2*len 次,模拟循环数组(从头到尾再回到头)for (int i = 0; i < 2 * len; i++) {// 使用 i % len 获取循环数组的索引int currIndex = i % len;// 当栈不为空且当前元素大于栈顶索引对应的元素while (!stack.isEmpty() && nums[currIndex] > nums[stack.peek()]) {// 弹出栈顶索引,将当前元素值赋给 answeranswer[stack.pop()] = nums[currIndex];}// 将当前索引压入栈,等待寻找下一个更大元素stack.push(currIndex);}// 返回结果数组,栈中剩余的索引对应的 answer 值为 -1(默认值)return answer;}
}

42.接雨水

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:

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:

输入:height = [4,2,0,3,2,5]
输出:9

提示:

  • n == height.length
  • 1 <= n <= 2 * 104
  • 0 <= height[i] <= 105

原理

  • 问题本质
    • 给定一个数组 height,每个元素表示宽度为 1 的柱子高度,计算这些柱子形成的凹槽能接多少雨水。
    • 雨水能被接住的条件是:某个位置 i 的左右两侧存在比 height[i] 高的柱子,形成一个凹槽,雨水量由最低的左右柱子高度决定。
    • 雨水量计算公式为:min(左边高度, 右边高度) - 当前高度 × 宽度。
  • 单调栈的核心思想
    • 使用一个单调递减的栈,存储柱子的索引,栈中对应的柱子高度从栈底到栈顶递减。
    • 遍历数组时:
      • 如果当前柱子高度 height[index] 小于栈顶柱子高度,压入栈(表示当前柱子可能形成凹槽)。
      • 如果当前柱子高度等于栈顶高度,弹出栈顶并压入当前索引(因为相邻相等高度的柱子,左侧的无法接水)。
      • 如果当前柱子高度大于栈顶高度,弹出栈顶,计算凹槽的雨水量(基于栈顶和栈顶前一个柱子),重复直到栈顶高度大于等于当前高度。
      • 将当前索引压入栈。
    • 栈维护了潜在的凹槽边界,弹出时计算雨水量。
  • 为什么用单调栈?
    • 单调栈适合处理“寻找左右两侧更高元素”的问题,能高效找到每个凹槽的左右边界。
    • 通过栈的弹出操作,动态维护凹槽的边界,计算雨水量。
    • 时间复杂度为 O(n),每个索引最多被压栈和弹栈一次;空间复杂度为 O(n),用于栈。
  • 算法步骤
    • 初始化一个空栈,存储柱子索引。
    • 遍历数组 height:
      • 如果当前柱子高度小于栈顶高度,压入栈。
      • 如果当前柱子高度等于栈顶高度,替换栈顶索引。
      • 如果当前柱子高度大于栈顶高度:
        • 弹出栈顶(中间柱子),用栈顶前一个柱子(左边界)和当前柱子(右边界)计算雨水量。
        • 雨水量 = min(左边界高度, 右边界高度) - 中间柱子高度 × 宽度。
        • 重复直到栈为空或栈顶高度大于等于当前高度。
      • 压入当前索引。
    • 返回总雨水量。

代码

class Solution {public int trap(int[] height) {int size = height.length;// 如果数组长度 <= 2,无法形成凹槽,直接返回 0if (size <= 2) return 0;// 初始化单调栈,存储柱子索引,维护递减高度序列Stack<Integer> stack = new Stack<>();// 将第一个柱子索引压入栈stack.push(0);int sum = 0; // 累计雨水量// 遍历数组,从第二个柱子开始for (int index = 1; index < size; index++) {int stackTop = stack.peek(); // 获取栈顶索引if (height[index] < height[stackTop]) {// 当前柱子高度小于栈顶,压入栈,可能形成凹槽stack.push(index);} else if (height[index] == height[stackTop]) {// 当前柱子高度等于栈顶,弹出栈顶(左侧相等柱子无法接水),压入当前索引stack.pop();stack.push(index);} else {// 当前柱子高度大于栈顶,计算凹槽的雨水量int heightAtIdx = height[index]; // 当前柱子高度while (!stack.isEmpty() && heightAtIdx > height[stackTop]) {// 弹出栈顶(中间柱子)int mid = stack.pop();if (!stack.isEmpty()) {// 获取左边界(栈顶前一个柱子)int left = stack.peek();// 雨水高度 = min(左边界高度, 右边界高度) - 中间柱子高度int h = Math.min(height[left], height[index]) - height[mid];// 雨水宽度 = 右边界索引 - 左边界索引 - 1int w = index - left - 1;// 计算雨水量并累加int hold = h * w;if (hold > 0) sum += hold;// 更新栈顶索引,继续检查stackTop = stack.peek();}}// 当前索引压入栈,等待后续处理stack.push(index);}}return sum; // 返回总雨水量}
}

84.柱状图中最大的矩形

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。

示例 1:

输入:heights = [2,1,5,6,2,3]
输出:10
解释:最大的矩形为图中红色区域,面积为 10

示例 2:

输入: heights = [2,4]
输出: 4

提示:

  • 1 <= heights.length <=105
  • 0 <= heights[i] <= 104

原理

  • 问题本质
    • 给定一个非负整数数组 heights,每个元素表示宽度为 1 的柱子高度,求由这些柱子形成的矩形的最大面积。
    • 矩形面积由宽度(连续柱子的数量)和高度(最低柱子的高度)决定。
    • 对于每个柱子,最大矩形面积可能是以该柱子高度为高的矩形,宽度由左右第一个比它矮的柱子决定。
  • 单调栈的核心思想
    • 使用一个单调递增的栈,存储柱子索引,栈中对应的柱子高度从栈底到栈顶递增。
    • 遍历数组时:
      • 如果当前柱子高度 heights[i] 大于或等于栈顶柱子高度,压入栈(表示当前柱子可能参与更大的矩形)。
      • 如果当前柱子高度小于栈顶柱子高度,弹出栈顶,计算以栈顶柱子高度为高的矩形面积:
        • 宽度:当前索引 i(右边界)与栈顶前一个索引(左边界)之间的距离。
        • 高度:栈顶柱子的高度。
      • 重复弹出直到栈顶高度小于或等于当前高度,然后压入当前索引。
    • 为了简化边界处理,在数组两端添加高度为 0 的“哨兵”柱子,确保所有柱子都能被弹出并计算面积。
  • 为什么用单调栈?
    • 单调栈适合解决“寻找左右两侧第一个更小元素”的问题,能高效确定每个柱子作为高度时的最大宽度。
    • 栈维护了尚未找到右边界的柱子,弹出时计算面积。
    • 时间复杂度为 O(n),每个索引最多被压栈和弹栈一次;空间复杂度为 O(n),用于栈和扩展数组。
  • 算法步骤
    • 创建新数组 newHeight,在原数组 heights 两端添加高度 0(哨兵)。
    • 初始化一个单调递增栈,存储索引,压入第一个索引(0)。
    • 遍历 newHeight:
      • 如果当前高度小于栈顶高度,弹出栈顶,计算面积:
        • 宽度:当前索引 - 栈顶前一个索引 - 1。
        • 高度:栈顶柱子的高度。
        • 更新最大面积。
      • 压入当前索引。
    • 返回最大面积。

代码

class Solution {public int largestRectangleArea(int[] heights) {// 创建新数组,两端添加高度 0(哨兵),简化边界处理int[] newHeight = new int[heights.length + 2];System.arraycopy(heights, 0, newHeight, 1, heights.length);newHeight[heights.length + 1] = 0;newHeight[0] = 0;// 初始化单调递增栈,存储索引,维护递增高度序列Stack<Integer> stack = new Stack<>();stack.push(0); // 压入第一个哨兵索引int res = 0; // 记录最大矩形面积// 遍历新数组for (int i = 1; i < newHeight.length; i++) {// 当当前柱子高度小于栈顶高度,计算栈顶柱子的矩形面积while (newHeight[i] < newHeight[stack.peek()]) {int mid = stack.pop(); // 弹出栈顶索引(当前计算的柱子)int w = i - stack.peek() - 1; // 宽度 = 当前索引 - 左边界索引 - 1int h = newHeight[mid]; // 高度 = 栈顶柱子的高度res = Math.max(res, w * h); // 更新最大面积}stack.push(i); // 当前索引压入栈}return res; // 返回最大面积}
}

http://www.dtcms.com/a/423109.html

相关文章:

  • Word和WPS文字如何从特定的页开始编号(页码)?
  • EDSR模型
  • thinkphp做中英文网站网站跟app区别
  • 6. 数据库设计基础知识
  • 【nginx平滑升级演示】
  • 桥梁缺陷检测数据集:腐蚀、剥落、渗透等5类,3k+图像,yolo标注
  • 上交提出单图生成3D场景方法SceneGen:单图输入,多资源输出,3D 合成性能飙升的“秘密武器”!
  • 百度验证网站济南网络科技公司
  • NO5.硼:火箭专家
  • 细化处理refinement process
  • 第四部分:VTK常用类详解(第120章 vtkWarpTo变形到类)
  • Day01_Linux移植基础
  • 工控网做网站维护吗免费网站建站申请
  • kcwebplus可视化框架
  • JVM如何管理直接内存?
  • 【完整源码+数据集+部署教程】医疗设备显示器图像分割系统: yolov8-seg-C2f-SCConv
  • PyCharm项目依赖库的备份与还原方法
  • OpenSSL 3.0对某些加密算法增加了限制
  • git fatal:Server aborted the SSL handshake
  • 深入理解 Python `ssl` 库:安全通信的基石
  • 江门网页建站模板临沂网站建设费用
  • 网站手机模板和pc模板要分开做网站首页需求
  • 国内 huggingfaces 仓下载
  • 基因组学发展史
  • 论文阅读(第4章,page55)
  • java设计模式:适配器模式
  • 做微商网站制作迪虎科技网站建设
  • Cobalt Strike 学习笔记(1)
  • 学习React-20-useId
  • 掌中智汇,运筹帷幄 - 全新ASUS华硕智汇商擎小程序上线