单调栈算法原理与应用全解析

1. 单调栈算法概述

单调栈（Monotonic Stack）是一种特殊的栈结构，它在算法题解中扮演着重要角色。我第一次接触这个概念是在解决"柱状图中最大矩形"问题时，当时遍历解法的时间复杂度始终无法优化到O(n)，直到发现了单调栈这个神奇的工具。

单调栈的核心特性是栈内元素始终保持单调递增或单调递减的顺序。这种看似简单的结构限制，却能在处理数组元素间的大小关系问题时发挥惊人的效果。与普通栈相比，单调栈在元素入栈时会主动破坏单调性的元素弹出，这种"自我净化"机制正是其高效性的关键。

关键理解：单调栈不是一种独立的数据结构，而是对普通栈施加了单调性约束的使用方式。就像给普通数组加上排序规则就变成了优先队列一样。

2. 单调栈工作原理深度解析

2.1 单调性维护机制

单调栈的核心操作在于入栈时的处理策略。以单调递增栈为例，当新元素准备入栈时：

1. 检查栈顶元素是否大于当前元素
2. 如果是，则弹出栈顶元素（破坏单调性）
3. 重复上述步骤直到栈顶元素≤当前元素或栈空
4. 将当前元素入栈

这个过程可以用以下伪代码表示：

python复制stack = []
for num in nums:
    while stack and stack[-1] > num:  # 维护单调递增
        stack.pop()
    stack.append(num)

2.2 四种基本变体

单调栈根据单调方向和处理顺序的不同，可分为四种基本类型：

2.3 时间复杂度分析

虽然单调栈有嵌套循环结构，但每个元素最多入栈和出栈各一次，因此总体时间复杂度是O(n)。这比暴力解法的O(n²)有了质的飞跃。

3. 单调栈的经典应用场景

3.1 下一个更大元素问题

LeetCode 496题是典型的单调栈应用题。给定两个数组nums1和nums2，需要找到nums1中每个元素在nums2中的下一个更大元素。

解决方案：

python复制def nextGreaterElement(nums1, nums2):
    stack = []
    mapping = {}
    for num in nums2:
        while stack and num > stack[-1]:
            mapping[stack.pop()] = num
        stack.append(num)
    return [mapping.get(num, -1) for num in nums1]

3.2 柱状图最大矩形

LeetCode 84题要求计算柱状图中能勾勒出的最大矩形面积。这是单调栈的经典难题。

关键思路：

1. 维护一个单调递增栈
2. 当遇到较小元素时，计算以栈顶元素为高的矩形面积
3. 注意处理边界情况（前后补0）

实现代码：

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

3.3 每日温度问题

LeetCode 739题要求对于每天的温度，找到需要等待多少天才能遇到更暖和的温度。

解决方案：

python复制def dailyTemperatures(T):
    stack = []
    res = [0] * len(T)
    for i in range(len(T)):
        while stack and T[i] > T[stack[-1]]:
            prev = stack.pop()
            res[prev] = i - prev
        stack.append(i)
    return res

4. 单调栈的进阶技巧

4.1 处理循环数组

当问题涉及循环数组时（如LeetCode 503），可以通过将数组长度翻倍来模拟循环效果：

python复制def nextGreaterElements(nums):
    n = len(nums)
    res = [-1] * n
    stack = []
    for i in range(2 * n):
        while stack and nums[i % n] > nums[stack[-1]]:
            res[stack.pop()] = nums[i % n]
        if i < n:
            stack.append(i)
    return res

4.2 二维矩阵中的应用

单调栈可以扩展到二维问题，如LeetCode 85题"最大矩形"。解法是：

1. 将矩阵逐行转换为柱状图高度
2. 对每行应用柱状图最大矩形算法

4.3 结合其他数据结构

有时需要将单调栈与其他数据结构结合使用。例如在解决"滑动窗口最大值"问题时，可以结合双端队列实现单调队列。

5. 常见错误与调试技巧

5.1 边界条件处理

初学者常犯的错误是忽略边界条件。例如在柱状图问题中，不在数组前后补0，会导致无法正确处理最后一个元素。

5.2 索引与值的混淆

单调栈可以存储索引或值，但两者不能混用。存储索引通常更灵活，可以获取更多信息。

5.3 相等元素的处理

当遇到相等元素时，要根据具体问题决定是否弹出。例如在求下一个更大元素时，相等元素不算"更大"，因此不应弹出。

5.4 调试建议

1. 打印栈内容：在每次操作后打印栈的状态
2. 可视化过程：在纸上画出元素入栈出栈的过程
3. 小规模测试：先用简单例子验证算法正确性

6. 单调栈的变种与应用扩展

6.1 单调队列

单调队列是单调栈的扩展，可以在两端操作。常用于滑动窗口相关问题，如LeetCode 239题。

6.2 二维单调性

在解决一些矩阵问题时，可能需要同时维护行和列的单调性，如LeetCode 1504题"统计全1子矩形"。

6.3 结合动态规划

某些动态规划问题可以利用单调栈优化，如LeetCode 975题"奇偶跳"中的优化解法。

7. 实战训练建议

要真正掌握单调栈，建议按以下顺序练习：

1. 基础应用：496、739、901
2. 经典难题：84、85
3. 变种问题：503、42（接雨水）
4. 综合应用：907、1124

我在刷题过程中发现，单调栈的问题往往有相似的代码结构。一旦掌握了核心模式，很多问题都能迎刃而解。建议从简单题开始，逐步增加难度，每道题都尝试自己推导解法，而不是直接看答案。