接雨水与柱状图最大矩形：算法优化与单调栈应用

1. 问题背景与核心挑战

这两道算法题是经典的空间计算类问题，在技术面试中出现频率极高。接雨水问题考察对空间关系的三维想象能力，柱状图最大矩形则考验对单调栈的灵活运用。我在刷题过程中发现，很多解法的代码虽然简洁，但背后的思维过程却鲜有详细讲解。这里我将拆解这两个问题的思考路径，分享从暴力解法到最优解的完整优化过程。

2. 接雨水问题深度解析

2.1 问题描述与直观理解

给定n个非负整数表示的高度图，计算按此排列的柱子能接多少雨水。示例输入：[0,1,0,2,1,0,1,3,2,1,2,1]，直观来看就像凹凸不平的地面形成的积水区域。

关键观察：每个柱子上方的积水量由它左右两侧最高柱子的较小值决定，这就是著名的"木桶短板效应"。

2.2 暴力解法实现与缺陷

最直接的思路是对每个柱子，向左右扫描找到最高柱子：

python复制def trap_brute(height):
    res = 0
    for i in range(1, len(height)-1):
        left_max = max(height[:i])
        right_max = max(height[i+1:])
        res += max(0, min(left_max, right_max) - height[i])
    return res

时间复杂度O(n²)，在LeetCode上会超时。主要问题在于重复计算左右最大值。

2.3 动态规划优化

预处理左右最大值数组：

python复制def trap_dp(height):
    if not height: return 0
    n = len(height)
    left_max = [0]*n
    right_max = [0]*n
    
    left_max[0] = height[0]
    for i in range(1, n):
        left_max[i] = max(left_max[i-1], height[i])
    
    right_max[-1] = height[-1]
    for i in range(n-2, -1, -1):
        right_max[i] = max(right_max[i+1], height[i])
    
    res = 0
    for i in range(n):
        res += min(left_max[i], right_max[i]) - height[i]
    return res

时间复杂度O(n)，空间复杂度O(n)。这是典型的空间换时间策略。

2.4 双指针终极优化

通过左右指针相向移动，实时维护当前左右最大值：

python复制def trap(height):
    left, right = 0, len(height)-1
    left_max = right_max = res = 0
    
    while left < right:
        if height[left] < height[right]:
            left_max = max(left_max, height[left])
            res += left_max - height[left]
            left += 1
        else:
            right_max = max(right_max, height[right])
            res += right_max - height[right]
            right -= 1
    return res

空间复杂度优化到O(1)，是面试官最期待的解法。关键在于理解为什么可以单边计算水量。

3. 柱状图最大矩形问题剖析

3.1 问题建模与暴力思路

给定n个非负整数表示的柱状图高度，求能勾勒出的最大矩形面积。示例输入：[2,1,5,6,2,3]，最大面积为10（柱子[5,6]形成的区域）。

暴力解法尝试所有可能的左右边界：

python复制def largestRectangleArea_brute(heights):
    max_area = 0
    n = len(heights)
    for i in range(n):
        min_height = float('inf')
        for j in range(i, n):
            min_height = min(min_height, heights[j])
            max_area = max(max_area, min_height * (j-i+1))
    return max_area

O(n²)时间复杂度无法通过大数据测试。

3.2 单调栈解法精讲

维护一个高度递增的栈，当遇到较小值时触发面积计算：

python复制def largestRectangleArea(heights):
    stack = []
    heights = [0] + heights + [0]
    res = 0
    
    for i in range(len(heights)):
        while stack and heights[stack[-1]] > heights[i]:
            h = heights[stack.pop()]
            w = i - stack[-1] - 1
            res = max(res, h * w)
        stack.append(i)
    return res

这个解法有三大关键点：

1. 首尾补0处理边界条件
2. 栈中存储的是索引而非高度值
3. 宽度计算方式 i - stack[-1] - 1

3.3 复杂度分析与变形

时间复杂度O(n)，每个元素入栈出栈各一次。空间复杂度O(n)。类似问题还有：

• 全1子矩阵最大面积（LeetCode 85）
• 滑动窗口最大值（LeetCode 239）

4. 实战技巧与避坑指南

4.1 接雨水常见错误

1. 未处理空输入导致越界
2. 边界柱子不可能积水但纳入计算
3. 双指针移动条件判断错误（应比较left_max和right_max）

4.2 最大矩形调试技巧

1. 打印栈状态辅助理解
2. 手动画图模拟过程
3. 测试用例要包含单柱、升序、降序等特殊情况

4.3 复杂度优化思维

从暴力解法到最优解通常经历：

1. 发现重复计算（如接雨水中的max扫描）
2. 空间换时间（预处理数组）
3. 寻找不变量（双指针的移动条件）
4. 特殊数据结构应用（单调栈）

5. 扩展应用与题目变种

5.1 三维接雨水问题

LeetCode 407题将问题扩展到三维空间，需要结合优先队列按高度分层处理。

5.2 带障碍物的最大矩形

在01矩阵中寻找全1子矩阵（LeetCode 85），可以逐行构建高度数组后调用柱状图解法。

5.3 实际工程应用

• 接雨水算法用于地形分析、排水系统设计
• 最大矩形算法应用于图像处理、版面分析

我在面试中遇到的一个变种是：给定柱状图和一个宽度k，求所有连续k个柱子组成的最大矩形面积。这需要在滑动窗口中维护单调队列。