从倒水问题到盛最多水的容器:一道经典的双指针应用题|LeetCode 11 盛最多水的容器
LeetCode 11 盛最多水的容器
点此看全部题解 LeetCode必刷100题:一份来自面试官的算法地图(题解持续更新中)
生活中的算法
你有没有遇到过这样的场景:家里要举办派对,需要准备一个大容器来调制果汁。面前有很多不同高度的挡板,你需要选择两个,前后固定住,这样就能盛放饮料了。挡板的高度不同,间距也可以调整,你要怎么选择才能盛放最多的饮料呢?
这就是我们今天要讲的"盛最多水的容器"问题。本质上,我们要在一排不同高度的"墙"中选择两堵墙,使它们之间能容纳最多的水。
问题描述
LeetCode第11题"盛最多水的容器"是这样描述的: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。
比如,输入height = [1,8,6,2,5,4,8,3,7],最大容积是49(由height[1]=8和height[8]=7构成,宽度为7)。
最直观的解法:暴力枚举法
最容易想到的方法就是:尝试所有可能的容器组合,找出能盛水最多的那个。就像我们实际准备容器时,可能会挨个试一试每种组合。
具体步骤是这样的:
- 使用两层循环,遍历所有可能的左右边界组合
- 对每个组合,计算其能容纳的水量
- 更新最大水量
让我们用一个小例子来模拟这个过程:
height = [1,8,6,2]
尝试所有组合:
(0,1): min(1,8) * 1 = 1
(0,2): min(1,6) * 2 = 2
(0,3): min(1,2) * 3 = 3
(1,2): min(8,6) * 1 = 6
(1,3): min(8,2) * 2 = 4
(2,3): min(6,2) * 1 = 2
最大容积 = 6
这种思路可以用Java代码这样实现:
public int maxArea(int[] height) {
int maxVolume = 0;
// 遍历所有可能的容器组合
for (int i = 0; i < height.length; i++) {
for (int j = i + 1; j < height.length; j++) {
// 计算当前组合的容积
// 容积 = 两边较矮一边的高度 * 两边的距离
int volume = Math.min(height[i], height[j]) * (j - i);
maxVolume = Math.max(maxVolume, volume);
}
}
return maxVolume;
}
优化解法:双指针法
仔细思考,我们其实不需要尝试所有组合。关键是理解:容器的容积取决于两个因素:
- 两边中较短的那条边(决定了水的高度)
- 两边的距离(决定了水的宽度)
如果我们从最宽的容器开始,逐渐向内收缩,每次都移动较短的那条边,就一定不会错过最大容积。
双指针法的原理
为什么这样做是对的?假设我们有两个指针left和right:
- 容积由较短的边决定
- 如果移动较长的边,宽度减小,而高度最多只能是较短边的高度
- 所以移动较长的边,容积一定会减小
- 但移动较短的边,可能会找到一个更高的边,容积可能增大
算法步骤(伪代码)
- 初始化左右指针指向数组两端
- 当左右指针未相遇时:
- 计算当前容积
- 更新最大容积
- 移动较短的那条边的指针
- 返回最大容积
示例运行
让我们用一个例子[1,8,6,2,5,4,8,3,7]模拟这个过程:
初始状态:left=0(高度1), right=8(高度7)
容积=min(1,7)*8=8,移动left
left=1(高度8), right=8(高度7)
容积=min(8,7)*7=49,移动right
left=1(高度8), right=7(高度3)
容积=min(8,3)*6=18,移动right
...依此类推
Java代码实现
public int maxArea(int[] height) {
int maxVolume = 0;
int left = 0;
int right = height.length - 1;
while (left < right) {
// 计算当前容积
int width = right - left;
int currentHeight = Math.min(height[left], height[right]);
int volume = width * currentHeight;
// 更新最大容积
maxVolume = Math.max(maxVolume, volume);
// 移动较短的一边
if (height[left] < height[right]) {
left++;
} else {
right--;
}
}
return maxVolume;
}
暴力法vs双指针法
让我们比较这两种解法:
暴力法的时间复杂度是O(n²),需要遍历所有可能的组合。它的优点是直观易懂,适合用来理解问题。但在处理大规模数据时效率较低。
双指针法的时间复杂度是O(n),只需要遍历一次数组。它通过巧妙的证明,保证了不会错过最优解,同时大大提高了效率。
两种方法的空间复杂度都是O(1),因为只需要常数级的额外空间。
题目模式总结
这道题体现了两个重要的算法思想:
- 双指针技巧:通过移动两个指针来解决问题
- 贪心思想:每次都移动较短的边,期望找到更好的解
这种模式在很多问题中都有应用,比如:
- 两数之和(排序数组)
- 三数之和
- 接雨水
解决这类问题的通用思路是:
- 观察问题中的单调性质
- 寻找可以优化的搜索策略
- 证明优化策略的正确性
小结
通过这道题,我们不仅学会了如何找到能盛最多水的容器,更重要的是理解了如何用双指针技巧来优化搜索过程。这种思维方式在很多算法问题中都能派上用场。
记住,解决算法问题时,不要满足于暴力解法,多思考是否存在更优雅的方案。有时候,看似复杂的问题,找到正确的思路后,解法会变得异常简单!
作者:忍者算法
公众号:忍者算法
· [翻译] 为什么 Tracebit 用 C# 开发
· 腾讯ima接入deepseek-r1,借用别人脑子用用成真了~
· Deepseek官网太卡,教你白嫖阿里云的Deepseek-R1满血版
· DeepSeek崛起:程序员“饭碗”被抢,还是职业进化新起点?
· RFID实践——.NET IoT程序读取高频RFID卡/标签