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
步骤1:定义题目问题性质
计算问题性质
给定一组表示柱子高度的数组 height
,每个元素代表柱子的位置和高度。我们的目标是计算雨水在这些柱子之间能够储存的总量。这是典型的"接雨水"问题。
输入输出条件
- 输入:一个非负整数数组
height
,长度为n
,每个元素代表宽度为1
的柱子高度。 - 输出:一个整数,表示可以存储的雨水总量。
限制条件
n == height.length
,数组的长度为n
。1 <= n <= 2 * 10^4
,柱子的数量最多为 20000。0 <= height[i] <= 10^5
,每个柱子的高度最大为 100000。
边界条件
- 如果
n == 1
,显然无法存储任何雨水,结果为0
。 - 如果所有柱子的高度都为
0
,同样也不能存储雨水。 - 只有两个柱子的情况下,也不会存储雨水。
步骤2:解题思路分解
这类问题可以从以下几种方法着手:
1. 暴力解法
对每个柱子来说,计算它左右两侧的最大高度,然后根据该柱子的高度,计算其上方可以存储的雨水量。这个解法时间复杂度为 O(n^2)
,不够高效,尤其在输入规模较大时。
2. 动态规划
为了避免暴力解法的重复计算,可以提前计算出每个柱子左右两侧的最大高度,使用两个数组 left_max
和 right_max
分别记录到每个柱子为止,左侧和右侧的最大高度。这样就可以在 O(n)
时间内计算每个柱子的存储水量。
- 时间复杂度:
O(n)
- 空间复杂度:
O(n)
(由于使用了两个额外数组)
3. 双指针法(最佳方案)
双指针法通过维护两个指针,一个从左向右,一个从右向左,逐步计算每个位置的存水量。通过比较左右两侧的最大高度,更新指针和存水量。这种方法可以在 O(n)
时间内完成计算,且只需要常数级的额外空间。
- 时间复杂度:
O(n)
- 空间复杂度:
O(1)
(只使用了几个额外的变量)
解决方案总结
最优方法是双指针法,因为它在时间和空间上都达到了最优。
步骤3:C++代码实现
代码解析:
- 使用
left
和right
两个指针从数组两端向中间移动。 left_max
和right_max
分别存储左边和右边遇到的最大高度。- 每次根据
height[left]
和height[right]
的大小决定移动哪个指针,并计算对应位置的存水量。 - 当
left
和right
相遇时,结束计算。
步骤4:启发与优化
通过这道题可以得到的启发是:
- 双指针法的使用可以极大地提高算法的效率,尤其是在处理类似的对称性问题时,它避免了不必要的计算。
- 空间优化:我们通过双指针法减少了空间复杂度,使得算法可以在不额外存储中间结果的情况下高效完成任务。这种思路对于处理大规模数据集非常有用。
步骤5:实际应用场景分析
这种"接雨水"的问题在实际生活中的应用场景很多,特别是在地理信息系统 和建筑水力学中。例如:
-
城市排水系统设计:在设计城市下水道时,工程师需要考虑不同区域的地形(可以类似于柱子的高度),并通过算法计算暴雨期间可能产生的积水量,进而设计合理的排水系统。该算法可以帮助模拟大规模区域的降雨积水情况,从而优化排水设施的建设。
-
灌溉系统的优化:在农业领域,尤其是对于不平坦的田地,计算田地之间可以储存的水量对于合理分配水资源非常重要。利用类似算法可以优化灌溉系统设计,提升农业水资源的利用效率。
这种算法可以通过对高程数据进行分析,预测可能的积水量和流向,进而为不同地区设计最佳的排水解决方案。