【LeetCode 热题 100】盛最多水的容器
精选专栏链接 🔗
- LeetCode hot 100系列专栏
- MySQL技术笔记专栏
- Redis技术笔记专栏
- 消息中间件专栏
- 大模型搭建专栏
- Python学习笔记专栏
- 深度学习算法专栏
欢迎订阅,点赞+关注,每日精进1%,与百万开发者共攀技术珠峰
更多内容持续更新中~
【LeetCode 热题 100】盛最多水的容器
- 📝题目描述
- 💡提示信息
- 核心分析:面积如何计算?
- 解法一:暴力枚举法
- 解法二:双指针法(最优解)
- 为什么移动较短的那根柱子?(数学证明)
- 总结
📝题目描述
给定一个长度为 n 的整数数组 height 。有 n 条垂线,第 i 条线的两个端点是 (i, 0) 和 (i, height[i]) 。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。返回容器可以储存的最大水量。
示例 1:
输入:[1,8,6,2,5,4,8,3,7]输出:49解释: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。
示例 2:
输入:height=[1,1]输出:1💡提示信息
- n == height.length;
- 2 <= n <=10 5 10^5105;
- 0 <= height[i] <=10 4 10^4104;
核心分析:面积如何计算?
我们要找的是最大面积。假设我们选择了两条线,索引分别为i ii和j jj(假设i < j i < ji<j),它们的高度分别为h e i g h t [ i ] height[i]height[i]和h e i g h t [ j ] height[j]height[j]。
容器的面积公式为:
A r e a = 宽度 × 高度 Area = \text{宽度} \times \text{高度}Area=宽度×高度
A r e a = ( j − i ) × min ( h e i g h t [ i ] , h e i g h t [ j ] ) Area = (j - i) \times \min(height[i], height[j])Area=(j−i)×min(height[i],height[j])
这意味着,容器的盛水量取决于两个因素:
- 底边的宽度:两根柱子的距离;
- 短板的高度:两根柱子中较短的那一根(木桶效应);
解法一:暴力枚举法
暴力枚举法是最直观的思路是,需要尝试所有的组合:
- 外层循环从第 1 根柱子开始;
- 内层循环遍历该柱子后面的所有柱子;
- 计算每一对组合的面积,并更新最大值;
Java 代码实现
classSolution{publicintmaxArea(int[]height){intmaxArea=0;for(inti=0;i<height.length;i++){for(intj=i+1;j<height.length;j++){intwidth=j-i;inth=Math.min(height[i],height[j]);maxArea=Math.max(maxArea,width*h);}}returnmaxArea;}}提交代码,运行结果如下:
- 时间复杂度:O ( N 2 ) O(N^2)O(N2)。我们需要计算N ( N − 1 ) / 2 N(N-1)/2N(N−1)/2对组合;
- 空间复杂度:O ( 1 ) O(1)O(1);
此方式逻辑上行得通,但是数组很大时,此方法会超时,因此不推荐使用,更推荐使用双指针法实现。
解法二:双指针法(最优解)
为了优化时间复杂度,我们需要一种更聪明的方法来排除不必要的计算。这就是双指针法。
算法思路
- 初始化两个指针:
left指向数组头部(0),right指向数组尾部(n-1)。此时宽度最大; - 计算当前
left和right围成的面积,并更新最大面积; - 关键步骤:移动指针。(移动较短的柱子)
- 如果
height[left] < height[right],则移动left(left++)。 - 如果
height[left] >= height[right],则移动right(right--)。
- 如果
- 重复步骤 2 和 3,直到
left和right相遇。
为什么移动较短的那根柱子?(数学证明)
这是本题最难理解也最精彩的地方。假设当前height[left] < height[right]。此时面积S = h e i g h t [ l e f t ] × ( r i g h t − l e f t ) S = height[left] \times (right - left)S=height[left]×(right−left)。
如果我们移动较高的柱子(即
right--):
- 宽度( r i g h t − l e f t ) (right - left)(right−left)必然减小;
- 高度取决于min ( h e i g h t [ l e f t ] , h e i g h t [ n e w _ r i g h t ] ) \min(height[left], height[new\_right])min(height[left],height[new_right])。因为高度受限于较短的 height[left],无论 new_right多高,最终使用的高度都不可能超过 height[left]。
- 结论:移动较高的柱子时,宽度变小,高度不变或变小→ \rightarrow→面积一定变小。
反之,如果我们移动较短的柱子(即
left++):
- 宽度( r i g h t − l e f t ) (right - left)(right−left)必然减小;
- 但是,新的高度
height[new_left]可能会比原来的height[left]更高,从而可能抵消宽度的损失,甚至获得更大的面积。
一句话总结:只有移动短板,才有可能在宽度减小的情况下,通过增加高度来获得更大的面积。
Java 代码实现如下:
publicclassSolution{publicintmaxArea(int[]height){intleft=0;intright=height.length-1;intmaxArea=0;while(left<right){// 计算当前面积// 宽度是 right - left// 高度取两者的较小值intcurrentArea=Math.min(height[left],height[right])*(right-left);// 更新最大面积maxArea=Math.max(maxArea,currentArea);// 移动指针策略:谁短移谁if(height[left]<height[right]){left++;}else{right--;}}returnmaxArea;}}运行结果如下:
进一步优化代码:
classSolution{publicintmaxArea(int[]height){intmax=0;// 使用局部变量缓存数组长度intlen=height.length;// 双指针intleft=0;intright=len-1;while(left<right){// 1. 缓存当前高度,避免重复访问数组inthLeft=height[left];inthRight=height[right];// 2. 计算宽度intwidth=right-left;// 3. 计算高度和移动指针if(hLeft<hRight){// 左边矮,用左边算面积,左指针右移// 三元运算符替换原有 Math.min/Math.maxintarea=hLeft*width;max=area>max?area:max;left++;}else{// 右边矮(或相等),用右边算面积,右指针左移intarea=hRight*width;if(area>max)max=area;right--;}}returnmax;}}提交代码,运行结果如下:
复杂度分析
- 时间复杂度:O ( N ) O(N)O(N)。双指针从两端向中间遍历,每个元素最多被访问一次。
- 空间复杂度:O ( 1 ) O(1)O(1)。只需要常数级别的额外空间存储指针和最大面积。
总结
- 暴力法虽然简单,但在大数据量下不可行;
- 双指针法利用了“短板效应”这一特性,通过每次移动短板的策略,成功将O ( N 2 ) O(N^2)O(N2)优化到了O ( N ) O(N)O(N);
希望这篇解析能帮你彻底掌握这道题!Happy Coding! 🚀
