☆打卡算法☆LeetCode 11、盛最多水的容器 算法解析

简介: “根据输入的数组数字构建坐标轴,求出坐标轴构成的容器可以容纳最多的水。”

一、题目


1、算法题目

“根据输入的数组数字构建坐标轴,求出坐标轴构成的容器可以容纳最多的水。”

题目链接: 来源:力扣(LeetCode)

链接:leetcode-cn.com/problems/co…


2、题目描述

给你 n 个非负整数 a1,a2,...,an,每个数代表坐标中的一个点 (i, ai) 。在坐标内画 n 条垂直线,垂直线 i 的两个端点分别为 (i, ai)(i, 0) 。找出其中的两条线,使得它们与 x 轴共同构成的容器可以容纳最多的水。

说明:你不能倾斜容器。

示例 1:

网络异常,图片无法展示
|

输入:height = [1,8,6,2,5,4,8,3,7]
输出:49
解析: 图中垂直线代表输入数组 [1,8,6,2,5,4,8,3,7]。在此情况下,容器能够容纳水(表示为蓝色部分)的最大值为 49。
复制代码
示例 2:
输入:height = [1,1]
输出:1
复制代码
示例 3:
输入:height = [1,2,1]
输出:2
复制代码
示例 4:
输入:height = [4,3,2,1,4]
输出:16
复制代码


二、解题


1、思路分析

这道题,最优做法是使用双指针,在初始时,设两指针i,j分别指向数组的左右两侧,指向的水槽版的高度分别为h[i],h[j],此时的容量为S[i,j],因为容量是由两端中的短板决定的,因此可以得到面积公式:

S(i,j) = min(h[i],h[j]) x (j-i)

此时,我们需要去移动指向数字较小的那个指针(容量=两个指针指向的数字中的较小值*指针之间的距离)。

指向数字较大值的此时就可以作为容器的边界,直到移动的指针指向的数大于当前边界,就移动另一个指针。

那么,每次以双指针为左右边界,也就是数组的左右边界 ,计算出容器的最大值。


2、代码实现

双指针法参考代码:

public class Solution 
{
    public int MaxArea(int[] height) 
    {
        int l = 0, r = height.Length - 1, ans = -1, curr = -1;
        while (l <= r) {
            curr = (r - l) * Math.Min(height[l], height[r]);
            ans = Math.Max(curr, ans);
            if (height[l] < height[r]) l++;
            else r--;
        }
        return ans;
    }
}
复制代码

网络异常,图片无法展示
|


3、时间复杂度

时间复杂度 : O(N)

双指针总计最多遍历整个数组一次。

空间复杂度: O(1)

只需要额外的常数级别的空间。


三、总结

说实话,解这道题之前连双指针是啥都不知道,所以就想不到用双指针,对于刷题来说,多吸取别人的优秀的解题思路,并且理解与实现是很重要的。

所谓的解题思路,就是你解题解的多了,当然就有思路了。对于有些题目的解题思路不会就是不会,也不是努力思考就能想出来的,所以,这就是刷题的意义,这种题目刷多了,将题目进行总结归纳,这些巧妙的思想我们自然就可以学会了。

所以,总结一下双指针思想,最重要的一点就是,双指针大多都是对双层循环的优化,所以当使用暴力解题法双层遍历循环的时候,就可以想一下是否可以使用双指针去解题。

其次,就是双指针的限制的满足条件,必须根据题目找到这个限制条件,这个条件也是双指针的移动条件,也是双指针的思想的基础。



相关文章
|
7月前
|
存储 人工智能 算法
从零掌握贪心算法Java版:LeetCode 10题实战解析(上)
在算法世界里,有一种思想如同生活中的"见好就收"——每次做出当前看来最优的选择,寄希望于通过局部最优达成全局最优。这种思想就是贪心算法,它以其简洁高效的特点,成为解决最优问题的利器。今天我们就来系统学习贪心算法的核心思想,并通过10道LeetCode经典题目实战演练,带你掌握这种"步步为营"的解题思维。
|
8月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
2138 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
8月前
|
机器学习/深度学习 存储 算法
动态规划算法深度解析:0-1背包问题
0-1背包问题是经典的组合优化问题,目标是在给定物品重量和价值及背包容量限制下,选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决,通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值,利用状态转移方程避免重复计算子问题,从而高效求解最优解。
892 1
|
8月前
|
算法 搜索推荐 Java
贪心算法:部分背包问题深度解析
该Java代码基于贪心算法求解分数背包问题,通过按单位价值降序排序,优先装入高价值物品,并支持部分装入。核心包括冒泡排序优化、分阶段装入策略及精度控制,体现贪心选择性质,适用于可分割资源的最优化场景。
477 1
贪心算法:部分背包问题深度解析
|
8月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
8月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
机器学习/深度学习 算法 自动驾驶
1367 0
|
8月前
|
机器学习/深度学习 人工智能 资源调度
大语言模型的核心算法——简要解析
大语言模型的核心算法基于Transformer架构,以自注意力机制为核心,通过Q、K、V矩阵动态捕捉序列内部关系。多头注意力增强模型表达能力,位置编码(如RoPE)解决顺序信息问题。Flash Attention优化计算效率,GQA平衡性能与资源消耗。训练上,DPO替代RLHF提升效率,MoE架构实现参数扩展,Constitutional AI实现自监督对齐。整体技术推动模型在长序列、低资源下的性能突破。
1054 8
|
8月前
|
算法 API 数据安全/隐私保护
深度解析京东图片搜索API:从图像识别到商品匹配的算法实践
京东图片搜索API基于图像识别技术,支持通过上传图片或图片URL搜索相似商品,提供智能匹配、结果筛选、分页查询等功能。适用于比价、竞品分析、推荐系统等场景。支持Python等开发语言,提供详细请求示例与文档。
|
10月前
|
机器学习/深度学习 人工智能 编解码
AI视觉新突破:多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型,克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式,结合跨视图注意力机制与一致性损失优化,大幅提升几何精度与纹理保真度,成为AI 3D生成的重要突破。
1336 0

推荐镜像

更多
  • DNS