一、问题背景
「接雨水」是数组与双指针领域中的经典问题，也是算法面试中高频出现的一类边界约束问题。
题目给定一个长度为 n 的非负整数数组 height，其中 height[i] 表示第 i 个位置上宽度为 1 的柱子高度。要求计算在这些柱子构成的地形中，降雨后能够存储的雨水总量。
形式化描述如下：
给定数组：
height[0], height[1], ..., height[n - 1]其中：
height[i] >= 0要求计算所有位置上方能够容纳的水量之和。
例如：
height = [0,1,0,2,1,0,1,3,2,1,2,1]其最终可以接到的雨水总量为：
6二、问题本质分析
该问题表面上是一个模拟降雨过程的问题，但从算法角度看，它本质上是一个局部状态受左右边界共同约束的问题。
对于任意位置 i，该位置能否存水，并不只取决于当前位置的高度 height[i]，而是取决于其左侧和右侧是否存在足够高的边界。
设：
leftMax[i] 表示位置 i 左侧包括自身在内的最大高度
rightMax[i] 表示位置 i 右侧包括自身在内的最大高度那么位置 i 上方能够形成的最高水位由左右两侧边界中的较小值决定，即：
waterLevel[i] = min(leftMax[i], rightMax[i])因此，位置 i 能够容纳的雨水量为：
water[i] = min(leftMax[i], rightMax[i]) - height[i]由于 leftMax[i] 和 rightMax[i] 都包含当前位置本身，所以该值不会小于 0。
最终答案为：
answer = Σ (min(leftMax[i], rightMax[i]) - height[i])其中 i 的取值范围为：
0 <= i < n三、核心数学模型
对数组 height，定义：
leftMax[i] = max(height[0], height[1], ..., height[i])
rightMax[i] = max(height[i], height[i + 1], ..., height[n - 1])则第 i 个位置的蓄水量为：
trap[i] = min(leftMax[i], rightMax[i]) - height[i]因此，总蓄水量为：
result = Σ trap[i]该公式是解决本题的理论基础。
其含义可以解释为：
当前位置的水位不能超过左侧最高边界，也不能超过右侧最高边界。因此，真正限制水位高度的是左右边界中较低的一侧。
四、解法一：动态规划预处理左右最大值
最直接的做法是分别预处理每个位置左侧最高柱子和右侧最高柱子。
1. 算法思想
首先从左向右遍历数组，计算 leftMax：
leftMax[i] = max(leftMax[i - 1], height[i])然后从右向左遍历数组，计算 rightMax：
rightMax[i] = max(rightMax[i + 1], height[i])最后再次遍历数组，根据公式计算每个位置的蓄水量。
2. C++ 代码实现
#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;
class Solution {
public:
int trap(vector<int>& height) {
int n = height.size();
if (n <= 2) {
return 0;
}
vector<int> leftMax(n);
vector<int> rightMax(n);
leftMax[0] = height[0];
for (int i = 1; i < n; i++) {
leftMax[i] = max(leftMax[i - 1], height[i]);
}
rightMax[n - 1] = height[n - 1];
for (int i = n - 2; i >= 0; i--) {
rightMax[i] = max(rightMax[i + 1], height[i]);
}
int result = 0;
for (int i = 0; i < n; i++) {
result += min(leftMax[i], rightMax[i]) - height[i];
}
return result;
}
};3. 算法正确性分析
对于任意位置 i，若该位置能够存储雨水，则必须存在左侧边界和右侧边界。
左侧边界的最大高度为：
leftMax[i]右侧边界的最大高度为：
rightMax[i]由于水会从较低的一侧溢出，因此位置 i 的最高水位只能达到：
min(leftMax[i], rightMax[i])该位置自身高度为：
height[i]所以其上方可容纳水量为：
min(leftMax[i], rightMax[i]) - height[i]算法对所有位置逐一计算该值并求和，因此可以得到整个高度图的最大蓄水量。
4. 复杂度分析
该算法需要三次线性扫描：
第一次计算 leftMax，时间复杂度为 O(n)。
第二次计算 rightMax，时间复杂度为 O(n)。
第三次计算总蓄水量，时间复杂度为 O(n)。
因此总时间复杂度为：
O(n)由于额外使用了两个长度为 n 的数组，所以空间复杂度为：
O(n)五、解法二：双指针空间优化
虽然动态规划预处理方法逻辑清晰，但它需要额外的数组空间。进一步观察可以发现，并不一定需要提前存储每个位置的 leftMax 和 rightMax。
我们可以通过双指针在一次遍历过程中动态维护左右边界，从而将空间复杂度优化到 O(1)。
六、双指针算法思想
设置两个指针：
left = 0
right = n - 1分别指向数组的左右两端。
同时维护两个变量：
leftMax
rightMax其中：
leftMax 表示从左端到 left 位置之间的最大高度
rightMax 表示从右端到 right 位置之间的最大高度在每一步中，比较：
height[left]
height[right]若：
height[left] < height[right]则说明右侧至少存在一个高度大于 height[left] 的柱子。因此，当前位置 left 的右边界已经可以保证不低于当前左柱高度，此时该位置的蓄水能力主要由 leftMax 决定。
若：
height[right] <= height[left]则同理，可以处理右侧位置，此时右侧位置的蓄水能力主要由 rightMax 决定。
七、双指针代码实现
#include <iostream>
#include <vector>
using namespace std;
class Solution {
public:
int trap(vector<int>& height) {
int n = height.size();
if (n <= 2) {
return 0;
}
int left = 0;
int right = n - 1;
int leftMax = 0;
int rightMax = 0;
int result = 0;
while (left < right) {
if (height[left] < height[right]) {
if (height[left] >= leftMax) {
leftMax = height[left];
} else {
result += leftMax - height[left];
}
left++;
} else {
if (height[right] >= rightMax) {
rightMax = height[right];
} else {
result += rightMax - height[right];
}
right--;
}
}
return result;
}
};八、双指针算法的正确性证明
双指针算法的核心在于：每次只处理较矮一侧的指针位置。
下面以处理左指针为例进行说明。
当满足：
height[left] < height[right]时，说明在 right 位置存在一个高度大于 height[left] 的右侧边界。因此，对于当前位置 left 而言，右侧最大值一定不小于 height[right]，也必然大于 height[left]。
此时当前位置是否能够接水，只取决于左侧已经扫描过的最大高度 leftMax。
如果：
height[left] >= leftMax说明当前位置本身成为新的左侧最高边界，不可能在当前位置上方形成积水，因此更新 leftMax。
如果：
height[left] < leftMax说明当前位置低于左侧最高边界，同时右侧又存在足够高的边界，因此当前位置能够接水，其接水量为：
leftMax - height[left]右指针的处理过程与左指针对称。
由于每次移动一个指针，并且每个位置最多被访问一次，因此算法能够在线性时间内完成计算。
九、示例分析
以题目示例为例：
height = [0,1,0,2,1,0,1,3,2,1,2,1]我们分析几个关键位置。
位置 2
height[2] = 0其左侧最大高度为：
1其右侧最大高度为：
3因此该位置可接水：
min(1, 3) - 0 = 1位置 5
height[5] = 0其左侧最大高度为：
2其右侧最大高度为：
3因此该位置可接水：
min(2, 3) - 0 = 2位置 9
height[9] = 1其左侧最大高度为：
3其右侧最大高度为：
2因此该位置可接水：
min(3, 2) - 1 = 1最终各可蓄水位置的水量累加为：
1 + 1 + 2 + 1 + 1 = 6因此答案为：
6十、两种方法的比较
| 方法 | 时间复杂度 | 空间复杂度 | 特点 |
|---|---|---|---|
| 预处理左右最大值 | O(n) | O(n) | 思路直观，便于理解 |
| 双指针优化 | O(n) | O(1) | 空间最优，适合面试与工程实现 |
预处理方法更容易从数学模型直接推导出来，适合作为理解该问题的第一种解法。
双指针方法则是在预处理思想基础上的进一步优化，其本质是利用左右边界的单调维护，避免存储完整的辅助数组。
十一、算法设计启示
「接雨水」问题体现了数组问题中一个常见的分析范式：
局部答案并不只由当前位置决定，而是由当前位置两侧的全局信息共同决定。在本题中，每个位置的蓄水量依赖于：
左侧最大高度
右侧最大高度
当前位置高度这种结构具有明显的边界约束特征。
类似的问题还包括：
柱状图中最大的矩形
盛最多水的容器
单调栈相关区间问题它们都要求我们从局部元素出发，分析其受到哪些边界条件限制。
十二、总结
「接雨水」是一道典型的边界约束型数组问题。
其核心结论是：
任意位置的蓄水高度由其左侧最高柱子和右侧最高柱子中的较小值决定。因此，当前位置的蓄水量可以表示为：
min(leftMax, rightMax) - height[i]基于这一结论，可以得到两类常见算法：
第一类是预处理左右最大值数组，时间复杂度为 O(n)，空间复杂度为 O(n)。
第二类是双指针优化方法，时间复杂度为 O(n)，空间复杂度为 O(1)。
从算法学习角度看，本题的重点并不是代码本身，而是如何从物理现象中抽象出数学模型，再由数学模型推导出可实现的高效算法。
这也是算法设计中非常重要的一种能力：
将直观问题形式化，将边界关系转化为可计算状态。