我最近尝试了掘金的AI刷题，还挺有意思的，旁边会有一个小助手来帮助自己刷题。我给大家分享一下我最近刷的几道题的解析，还有我对ai助手的使用心得。
第一道例题，在最大矩形面积额这道题中，题目描述如下，### 问题描述
小S最近在分析一个数组 h1,h2,...,hNh1,h2,...,hN，数组的每个元素代表某种高度。小S对这些高度感兴趣的是，当我们选取任意 kk 个相邻元素时，如何计算它们所能形成的最大矩形面积。
对于 kk 个相邻的元素，我们定义其矩形的最大面积为：
R(k)=k×min(h[i],h[i+1],...,h[i+k−1])R(k)=k×min(h[i],h[i+1],...,h[i+k−1])
即，R(k)R(k) 的值为这 kk 个相邻元素中的最小值乘以 kk。现在，小S希望你能帮他找出对于任意 kk，R(k)R(k) 的最大值。 初步分析， - 对于每个可能的 ( k )（从 ( 1 ) 到 ( N )），遍历数组 ( h ) 来计算 ( R(k) )。 - 对于每个起始索引 ( i )，计算对应的 ( \min ) 值。 - 对于固定的 ( k )，我们需要找到 ( \min(h[i], h[i+1], \ldots, h[i+k-1]) )。这可以通过遍历这 ( k ) 个元素来实现。 - 在计算了所有的 ( R(k) ) 后，记录下每个 ( k ) 对应的最大值。 由于我们需要对每个 ( k ) 遍历 ( N ) 次，最坏情况下的时间复杂度为 ( O(N^2) )。如果 ( N ) 较大，这种方法可能会稍慢。 有以下写法, def solution(n, array): # Edit your code here max_area = 0 # 遍历每个可能的 k for k in range(1, n + 1): # 遍历所有长度为 k 的子数组 for i in range(n - k + 1): current_min = min(array[i:i + k]) # 找到当前子数组的最小值 area = k * current_min # 计算矩形面积 max_area = max(max_area, area) # 更新最大面积 return max_area if name == "main": # Add your test cases here
print(solution(5, [1, 2, 3, 4, 5]) == 9)
我们写完后可以向MarsCode请求进行代码的优化，优化一下代码
要优化当前的代码，我们可以考虑以下几个方面：
-
减少重复计算：当前代码在每次计算子数组的最小值时都会重新计算，这会导致重复计算，尤其是在
k较大时。 -
使用更高效的数据结构：我们可以使用单调栈来维护一个递增的栈，这样可以快速找到每个元素作为最小值时的最大矩形面积。
优化思路
-
单调栈：我们可以使用单调栈来维护一个递增的栈，栈中存储的是数组元素的索引。当遇到一个比栈顶元素小的元素时，我们可以计算以栈顶元素为最小值的最大矩形面积。
-
遍历数组：遍历数组时，对于每个元素，我们检查它是否比栈顶元素小。如果是，则弹出栈顶元素并计算以该元素为最小值的最大矩形面积。
-
处理边界情况：在遍历结束后，栈中可能还有元素，这些元素也需要计算它们的最大矩形面积。
优化后的代码框架
def solution(n, array):
# 初始化最大面积
max_area = 0
# 使用单调栈来维护一个递增的栈
stack = []
# 遍历数组
for i in range(n):
# 当栈不为空且当前元素小于栈顶元素时
while stack and array[i] < array[stack[-1]]:
# 弹出栈顶元素
height = array[stack.pop()]
# 计算宽度
width = i if not stack else i - stack[-1] - 1
# 计算面积并更新最大面积
max_area = max(max_area, height * width)
# 将当前元素的索引压入栈
stack.append(i)
# 处理栈中剩余的元素
while stack:
height = array[stack.pop()]
width = n if not stack else n - stack[-1] - 1
max_area = max(max_area, height * width)
return max_area
if __name__ == "__main__":
# Add your test cases here
print(solution(5, [1, 2, 3, 4, 5]) == 9)
解释
-
单调栈：我们使用一个栈来维护一个递增的序列。栈中存储的是数组元素的索引。
-
遍历数组：在遍历数组时，如果当前元素比栈顶元素小，则弹出栈顶元素并计算以该元素为最小值的最大矩形面积。
-
处理边界情况：在遍历结束后，栈中可能还有元素，这些元素也需要计算它们的最大矩形面积。
通过这种方式，我们可以将时间复杂度从 O(n^2) 优化到 O(n)，其中 n 是数组的长度。
如果我们觉得代码的效率还不够高，可以继续提示它进行优化，
当然可以进一步优化代码。虽然使用单调栈已经将时间复杂度优化到了 O(n)，但我们还可以通过一些细节上的优化来提高代码的效率和可读性。
进一步优化思路
-
减少不必要的计算：在计算宽度时，我们可以直接使用当前索引和栈顶元素的索引来计算宽度，而不需要额外的判断。
-
简化代码逻辑：通过简化代码逻辑，可以使代码更易读和维护。
进一步优化后的代码
def solution(n, array):
# 初始化最大面积
max_area = 0
# 使用单调栈来维护一个递增的栈
stack = [-1] # 初始化栈，栈底元素为 -1，方便计算宽度
# 遍历数组
for i in range(n):
# 当栈不为空且当前元素小于栈顶元素时
while stack[-1] != -1 and array[i] < array[stack[-1]]:
# 弹出栈顶元素
height = array[stack.pop()]
# 计算宽度
width = i - stack[-1] - 1
# 计算面积并更新最大面积
max_area = max(max_area, height * width)
# 将当前元素的索引压入栈
stack.append(i)
# 处理栈中剩余的元素
while stack[-1] != -1:
height = array[stack.pop()]
width = n - stack[-1] - 1
max_area = max(max_area, height * width)
return max_area
if __name__ == "__main__":
# Add your test cases here
print(solution(5, [1, 2, 3, 4, 5]) == 9)
解释
-
初始化栈：我们将栈初始化为
[-1]，这样可以简化宽度的计算，因为-1可以作为边界条件。 -
遍历数组：在遍历数组时，如果当前元素比栈顶元素小，则弹出栈顶元素并计算以该元素为最小值的最大矩形面积。
-
处理边界情况：在遍历结束后，栈中可能还有元素，这些元素也需要计算它们的最大矩形面积。
通过这种方式，我们可以进一步简化代码逻辑，提高代码的可读性和效率。 最后完成提交，
