wordpress免费建站教程网站怎么做评估

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

 动态规划：

class Solution {public int trap(int[] height) {int len = height.length;// 如果数组长度为0，返回0if(len == 0){return 0;}// 创建一个数组用于存储每个位置左侧的最大高度int[] leftMax = new int[len];for(int i = 1; i < len; i++){// 更新当前点的左侧最大高度leftMax[i] = Math.max(height[i-1], height[i]);}// 创建一个数组用于存储每个位置右侧的最大高度int[] rightMax = new int[len];for(int i = len-2; i >= 0; i--){// 更新当前点的右侧最大高度rightMax[i] = Math.max(height[i], height[i+1]);}int ans = 0;// 计算每个位置能够存储的水量for(int i = 0; i < len; i++){ans += Math.min(leftMax[i], rightMax[i]) - height[i];}// 返回能够存储的总水量return ans;}
}

单调栈解决

import java.util.Stack;class Solution {public int trap(int[] height) {// 初始化总雨水量为0int totalWater = 0;// 创建一个栈用于存储数组索引Stack<Integer> stack = new Stack<>();// 遍历每个高度for (int i = 0; i < height.length; i++) {// 当栈非空且当前高度大于栈顶所指的高度时while (!stack.isEmpty() && height[i] > height[stack.peek()]) {// 取出栈顶的高度索引int top = stack.pop();// 如果栈为空，跳出循环if (stack.isEmpty()) {break;}// 计算当前柱子的宽度int distance = i - stack.peek() - 1;// 计算能形成的水位高度差int boundedHeight = Math.min(height[i], height[stack.peek()]) - height[top];// 计算当前能积的水量并加到总水量中totalWater += distance * boundedHeight;}// 将当前索引入栈stack.push(i);}// 返回总雨水量return totalWater;}
}

工作原理

1. 单调递减栈：栈中存储的是高度数组的索引。栈内元素对应的高度从栈底到栈顶是非递增的。
2. 遍历高度数组：对于每一个高度，若其大于栈顶元素所指的高度（即找到一个可能的凹槽），则计算当前凹槽的水量。
3. 水量计算：
   • 宽度：凹槽宽度为当前索引 i 与栈顶下一个元素的索引之差再减去 1。
   • 高度：水位高度差为 min(当前高度, 栈顶下一个高度) - 栈顶高度。
4. 累加水量：将计算出的水量累加到总水量中。

在计算接雨水的过程中，水的高度取决于柱子之间的最低高度。具体来说，水只能被较矮的柱子挡住。因此，关键在于找到最低的柱子，并根据它来计算可能存储的水量。

class Solution {public int trap(int[] height) {int len=height.length;int left=0,right=len-1;int leftMax=0,rightMax=0;int ans=0;while(left<=right){leftMax=Math.max(leftMax,height[left]);rightMax=Math.max(rightMax,height[right]);if(height[left]<height[right]){ans+=leftMax-height[left];left++;}else{ans +=rightMax-height[right];right--;}}return ans;}
}

判断逻辑

1. 水量计算基础：

   • 对于 height[left] < height[right] 的情况，由于 leftMax 是从左侧移动过程中遇到的最大高度，而 rightMax 是从右侧移动过程中遇到的最大高度，因此：
     • 当前柱子 height[left] 左侧的最大高度 leftMax 是可靠的。
     • 但是，右侧的最大高度 rightMax 还可能会更新。因此，此时计算 left 位置的积水量是安全的。

2. 为什么选择较小的高度：

   • 如果 height[left] < height[right]，意味着在当前位置 left，其右侧有更高的柱子。这个较高的柱子可以帮助挡住雨水。因此可以确定 leftMax 是最小的限制条件，用它来计算当前位置可能存储的水量是安全的。
   • 如果 height[left] >= height[right]，那么右侧柱子在此时成为决定因素，左侧的 leftMax 没有影响，应该通过 rightMax 计算右侧的水量。

例子说明

假设 height[left] = 2，height[right] = 5：

• 当 left 侧低于 right 侧：可以确定在左侧 left 柱子能容纳的水量只取决于 leftMax。因此，将 left 向右移动并计算 leftMax - height[left]。

• 如果反过来：如果左侧高于或等于右侧，则右侧可能会积水，因此移动 right 向左并计算 rightMax - height[right]。

总结

这一判断的核心在于：

• 小于：左侧可能有积水，计算左侧。
• 大于等于：右侧可能有积水，计算右侧。

初始状态下的 right 指针

• right 指针初始位置：它从数组的最右端开始。
• left 指针初始位置：它从数组的最左端开始。

初始比较：height[left] < height[right]

在算法的开始阶段，我们用 height[left] < height[right] 来判断接下来的行动。虽然 right 一开始位于数组的最右边，但这并不影响算法的正确性，原因如下：

1. rightMax 的初始化：

   • 初始时，rightMax 会等于 height[right]。因为 right 指针在最右端，所以 rightMax 一开始就是数组最右边的那个高度。
   • 随着 right 指针向左移动，rightMax 会逐渐更新为更大的值，直到遍历完所有右边的柱子。

2. 初始状态的判断：

   • 在开始时，算法将 left 和 right 的柱子高度进行比较。
   • 如果 height[left] < height[right]，说明左边的柱子比右边矮。在这种情况下，右边更高的柱子可以“挡住”水，因此左边柱子上方可能会有积水，这时候左边的积水高度是可以确定的，所以移动 left 指针并计算水量。
   • 如果 height[left] >= height[right]，算法会移动 right 指针。此时，不会计算 left 指针位置的积水，而是继续查看右边的柱子是否可能形成积水。

3. 意义在于确定安全的水量：

   • 通过比较 height[left] 和 height[right]，算法确保了在当前位置计算水量时，有足够的信息保证水量是准确的。
   • rightMax 和 leftMax 在算法执行过程中不断更新，确保算法总是在安全的条件下进行计算。

实际意义

即使 right 指针最开始位于最右边，这个初始比较也有意义，因为它为整个算法奠定了基础。我们可以通过这个初始比较，确保在移动 left 或 right 指针时，计算的积水量是正确且安全的。

举个例子

假设 height 数组为 [1, 0, 2, 1, 0, 1, 3]，left 和 right 初始分别在位置 0 和 6：

• left 开始为 1，right 开始为 3。
• 第一次比较时，height[left] = 1，height[right] = 3，显然 1 < 3，我们可以放心地移动 left 指针，因为左边的积水高度确定不会超过 leftMax。

总之，这一步比较对于算法的正确性和水量计算至关重要，即使 right 指针最初处于最右边，也依然有效且必要。