算法细节系列（12）：破除想当然

破除想当然

总结最近遇到的一些有趣题。知识点主要有【动态规划】，【栈】，【数组】，【状态记录】，这些题目挺有趣，主要原因在于写程序时，需要破除想当然的人类求解过程，而是回归到低级的计算机思维，一步步教计算机怎么做。

题目均摘自leetcode，分为以下三题（求面积系列）。

• 84 Largest Rectangle in Histogram
• 85 Maximal Rectangle
• 221 Maximal Square

84 Largest Rectangle in Histogram

之前刚好总结了博文【next Greater Element系列】，以下内容将用到该博文讲到的知识点，可以先去瞧瞧，方便理解。

Problem:

Given n non-negative integers representing the histogram’s bar height where the width of each bar is 1, find the area of largest rectangle in the histogram.

Above is a histogram where width of each bar is 1, given height = [2,1,5,6,2,3].

The largest rectangle is shown in the shaded area, which has area = 10 unit.

For example,
Given heights = [2,1,5,6,2,3],
return 10.

暴力做法：针对每个元素，遍历一遍数组，找出最大的宽度，求出面积。即使这样答案也不那么显而易见，这里就不贴出代码了。我们再来看看另一种思路。

先考虑人类是如何思考这问题的，当我看到这图的第一眼，我就扫出了答案，面积不就是10么。可你想过你大脑是怎么工作的么？

两点：状态记录+回溯求解，这些方法在你脑中一闪而过，但在计算机视角中没那么简单，要想理清楚得费一些周折。

简单来说，我们在扫面积的时候，当遍历一个元素后，我们已经把先前状态记录在脑海中，所以在对下一个元素比较时，我们自然有了之前的信息，但观察很多for循环语句你会发现，它们均无状态记录，遍历一遍就过去了，这都是暴力的做法。所以从中就能得到一些优化的细节，如在next Greater Element系列中，提到的栈，就是为了保存之前的路径而存在。

那么该题目的思路是什么？其实再思考一步，答案就出来了，如当我们扫到第二个元素1时，我们怎么求它的面积？不就是当前最小高度乘以宽度2，答案是2么？没错，在你做的过程中，你天然的把第一个元素的信息利用上去了（高度的比较）；其次，计算面积时，你把第一个元素的多余部分给切除了。

所以，现在的过程就很简单了，每当遍历到一个新元素时，不管三七二十一，把它放入一个容器中，记录当前状态，当我遍历到下一个元素时，出现两种情况咯，要么比它大，要么比它小。比它小的之前已经说过了，计算面积时，把前一个元素高出的部分切除，计算面积。比它大的咋办呢？暂时放着呗，这点也是人容易忽略的步骤，假想我们不知道数组的长度，但数组是不断递增的，你要如何得到整个数组的面积？你肯定得看完所有数组啊！而且你也知道，只要当它不断递增，那么从刚开始递增的那个元素开始，它一定是最大面积。所以你有必要等到数组开始递减为止，是吧。

好了，说了那么多，再理理思路，代码就能出来了，直接上代码。

public int largestRectangleArea(int[] heights) {        Stack<Integer> stack = new Stack<>();        int max = 0;        //注意 边界条件的处理        for (int i = 0; i <= heights.length; i++){            int curr = (i == heights.length) ? 0: heights[i];            // 注意  count 和 heights[pos] = curr            int count = 0;            while(!stack.isEmpty() && heights[stack.peek()] > curr){                int pos = stack.pop();                max = Math.max(max, heights[pos] * (i - pos));                heights[pos] = curr;                count++;            }            i -= count;            stack.push(i);        }        return max;     }

这道题用到了stack记录遍历状态。注意的地方比较多，咋说呢，如果就着自己的思路，代码可以五花八门，所以不必纠结太多细节的东西。

1. 当前元素小于栈顶元素时，把大于当前元素的元素下标给pop出来，为啥咧，因为我们要开始计算这些递增的面积了，每计算一次，就维护一个最大的max。
2. 啥时候停止咧，当栈的元素小于当前元素时，停止计算，因为此时，你又回到了不断递增的状态，你得继续输入数组元素了。
3. 那么问题来了，已经被pop的元素咋办呢，刚才说了，切除多于的部分，意思就是让它们和当前元素的高度相等，它不会影响后续计算。
4. 此时，这些元素得重新加入栈中，所以有了count计数，把i指定到被切除元素的最后一个下标。
5. 那么，当数组输入完毕后，栈中还有元素咯？且它们都是递增的，没错。所以有了特殊的循环，遍历数组长度+1次，就是为了在数组最后加个边界处理，很巧妙，元素为0时，一定能把栈中所有元素给吐出来。

所以说，人高级啊，想都不用想直接就能出答案，这反而导致了我们在教计算机做题目时成了一个很大的障碍。呵呵，继续吧。

85 Maximal Rectangle

Problem:

Given a 2D binary matrix filled with 0’s and 1’s, find the largest rectangle containing only 1’s and return its area.

For example, given the following matrix:

1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0

Return 6.

嗯哼，如果有了前面那道题的铺垫，这道题就不难了。但怪就怪在，如果没有前面那道题，你就很难想到！就因为被它的矩阵吓到了？这些认知障碍得破除啊。

它是一个平面，让你求最大长方形面积，所以呢，想法就是把矩阵一层一层往下切。先切出第一层，我们能计算每个位置的高度，为1 0 1 0 0，然后切第二层2 0 2 1 1，第三层3 1 3 2 2，第四层4 0 0 3 0，这不就是分别求每一层的面积么，数值就是它们的高度，不用解释。

接下来的问题，就是生成这样的矩阵就好了，很简单，一个dp就能搞定。这不能算严格意义上的dp，但题目说是dp，那就dp吧，所以代码如下：

public int maximalRectangle(char[][] matrix) {        int row = matrix.length;        if (row == 0)            return 0;        int col = matrix[0].length;        if (col == 0)            return 0;        int[][] w = new int[row + 1][col + 1];        for (int j = 1; j < col + 1; j++) {            if (matrix[0][j - 1] == '1') {                w[1][j] = 1; // 宽            }        }        for (int i = 2; i < row + 1; i++) {            for (int j = 1; j < col + 1; j++) {                if (matrix[i - 1][j - 1] == '1') {                    w[i][j] = w[i-1][j] + 1;                }            }        }        int max = 0;        for (int i = 1; i < row+1; i++){            max = Math.max(max,largestRectangleArea(w[i]));        }        return max;    }    public int largestRectangleArea(int[] heights) {        Stack<Integer> stack = new Stack<>();        int max = 0;        for (int i = 0; i <= heights.length; i++) {            int curr = (i == heights.length) ? 0 : heights[i];            int count = 0;            while (!stack.isEmpty() && heights[stack.peek()] > curr) {                int pos = stack.pop();                max = Math.max(max, heights[pos] * (i - pos));                heights[pos] = curr;                count++;            }            i -= count;            stack.push(i);        }        return max;    }

思路很清楚，没什么好解释的，继续下一题。

221 Maximal Square

Problem:

Given a 2D binary matrix filled with 0’s and 1’s, find the largest square containing only 1’s and return its area.

For example, given the following matrix:

1 0 1 0 0
1 0 1 1 1
1 1 1 1 1
1 0 0 1 0

Return 4.

呵呵，如果就着前面的思路，那么就完蛋了，反正我是又做不出来了。这道题的思路比较奇葩，是一道较难的dp题。咋说呢，我其实还没掌握它的核心思想。用的是正方形生成性质，很难理解它为啥是正确的。

状态转移方程：
dp[i+1][j+1] = Math.min(dp[i][j+1], Math.min(dp[i+1][j], dp[i][j])) + 1;

其中 i和j，分别表示在当前坐标(i,j)能够生成最大矩形的长。

所以说新的正方形，一定是那三个状态的最小值，否则不可能构成一个更大的正方形，自己笔画下。

public int maximalSquare(char[][] matrix) {        if (matrix.length == 0 || matrix[0].length == 0) return 0;        int n = matrix.length, m = matrix[0].length;        int[][] dp = new int[n+1][m+1];        int max = 0;        for(int i = 0; i < n; i++){            for (int j = 0; j < m; j++){                if (matrix[i][j] == '1'){                    dp[i+1][j+1] = Math.min(dp[i][j+1], Math.min(dp[i+1][j], dp[i][j])) + 1;                    max = Math.max(max, dp[i+1][j+1]);                }            }        }        return max * max;    }

这道题给了我dp的一个新思路，不一定dp要记录每一步的最优解，即dp到最后不一定就是本题的答案，相反，我们可以在dp更新的时候，时刻更新max，那么求解它的思路和想法就广了很多。