咱們暴力嘗試全部可能的矩形
。因爲矩陣是二維圖形, 我咱們可使用左右兩個端點來惟一確認一個矩陣
。所以咱們使用雙層循環枚舉全部的可能性便可。 而矩形的面積等於(右端點座標 - 左端點座標 + 1) * 最小的高度
,最小的高度咱們能夠在遍歷的時候順便求出。前端
class Solution: def largestRectangleArea(self, heights: List[int]) -> int: n, ans = len(heights), 0 if n != 0: ans = heights[0] for i in range(n): height = heights[i] for j in range(i, n): height = min(height, heights[j]) ans = max(ans, (j - i + 1) * height) return ans
複雜度分析python
咱們仍然暴力嘗試全部可能的矩形
。只不過咱們這一次從中心向兩邊進行擴展。對於每個i,咱們計算出其左邊第一個高度小於它的索引p,一樣地,計算出右邊第一個高度小於它的索引q。那麼以i爲最低點可以構成的面積就是(q - p - 1) * heights[i]
。 這種算法毫無疑問也是正確的。 咱們證實一下,假設f(i) 表示求以 i 爲最低點的狀況下,所能造成的最大矩陣面積。那麼原問題轉化爲max(f(0), f(1), f(2), ..., f(n - 1))
。算法
具體算法以下:segmentfault
class Solution: def largestRectangleArea(self, heights: List[int]) -> int: n = len(heights) l, r, ans = [-1] * n, [n] * n, 0 for i in range(1, n): j = i - 1 while j >= 0 and heights[j] >= heights[i]: j -= 1 l[i] = j for i in range(n - 2, -1, -1): j = i + 1 while j < n and heights[j] >= heights[i]: j += 1 r[i] = j for i in range(n): ans = max(ans, heights[i] * (r[i] - l[i] - 1)) return ans
複雜度分析數組
實際上咱們內層循環不必一步一步移動,咱們能夠直接將j -= 1
改爲 j = l[j]
, j += 1
改爲 j = r[j]
。app
class Solution: def largestRectangleArea(self, heights: List[int]) -> int: n = len(heights) l, r, ans = [-1] * n, [n] * n, 0 for i in range(1, n): j = i - 1 while j >= 0 and heights[j] >= heights[i]: j = l[j] l[i] = j for i in range(n - 2, -1, -1): j = i + 1 while j < n and heights[j] >= heights[i]: j = r[j] r[i] = j for i in range(n): ans = max(ans, heights[i] * (r[i] - l[i] - 1)) return ans
複雜度分析優化
實際上,讀完第二種方法的時候,你應該注意到了。咱們的核心是求左邊第一個比i小的和右邊第一個比i小的。 若是你熟悉單調棧的話,那麼應該會想到這是很是適合使用單調棧來處理的場景。spa
爲了簡單起見,我在heights首尾添加了兩個哨兵元素,這樣能夠減小邊界處理的額外代碼。code
class Solution: def largestRectangleArea(self, heights: List[int]) -> int: n, heights, st, ans = len(heights), [0] + heights + [0], [], 0 for i in range(n + 2): while st and heights[st[-1]] > heights[i]: ans = max(ans, heights[st.pop(-1)] * (i - st[-1] - 1)) st.append(i) return ans
複雜度分析索引
歡迎關注個人公衆號《腦洞前端》獲取更多更新鮮的LeetCode題解