Skip to content

下一个更大元素 I

约 1550 字大约 5 分钟

单调栈

2025-02-26

496. 下一个更大元素 I

nums1 中数字 x下一个更大元素 是指 xnums2 中对应位置 右侧第一个x 大的元素。

给你两个 没有重复元素 的数组 nums1nums2 ,下标从 0 开始计数,其中nums1nums2 的子集。

对于每个 0 <= i < nums1.length ,找出满足 nums1[i] == nums2[j] 的下标 j ,并且在 nums2 确定 nums2[j]下一个更大元素 。如果不存在下一个更大元素,那么本次查询的答案是 -1

返回一个长度为 nums1.length 的数组 ans 作为答案,满足 ans[i] 是如上所述的 下一个更大元素

示例 1:

输入:nums1 = [4,1,2], nums2 = [1,3,4,2].
输出:[-1,3,-1]
解释:nums1 中每个值的下一个更大元素如下所述:
- 4 ,用加粗斜体标识,nums2 = [1,3,4,2]。不存在下一个更大元素,所以答案是 -1 。
- 1 ,用加粗斜体标识,nums2 = [1,3,4,2]。下一个更大元素是 3 。
- 2 ,用加粗斜体标识,nums2 = [1,3,4,2]。不存在下一个更大元素,所以答案是 -1 。

示例 2:

输入:nums1 = [2,4], nums2 = [1,2,3,4].
输出:[3,-1]
解释:nums1 中每个值的下一个更大元素如下所述:
- 2 ,用加粗斜体标识,nums2 = [1,2,3,4]。下一个更大元素是 3 。
- 4 ,用加粗斜体标识,nums2 = [1,2,3,4]。不存在下一个更大元素,所以答案是 -1 。

提示:

  • 1 <= nums1.length <= nums2.length <= 1000
  • 0 <= nums1[i], nums2[i] <= 10^4
  • nums1nums2中所有整数 互不相同
  • nums1 中的所有整数同样出现在 nums2

进阶:你可以设计一个时间复杂度为 O(nums1.length + nums2.length) 的解决方案吗?

倒序是入栈前计算当前元素(因为每次处理的都是当前元素,所以不需要存索引)的下一个更大元素。 正序是入栈后计算栈内元素(历史数据,必须存索引以便定位)的下一个更大元素。 无论正序还是倒序,计算前都要先处理栈,使之递减。

递减栈,倒序遍历

注意 nums1 是 nums2 的子集,所以我们可以根据nums2得到一个哈希表:元素 x -> x 的下一个最大元素。 得到这个哈希表的过程要用到递减栈和倒序遍历。栈里存元素值。入栈的时候确定栈外元素的结果,确定完再入栈。

注意我们要计算的是下一个更大元素不是下一个更大元素的距离,因此栈里存的是元素。

倒序遍历从数组的末尾开始,将元素依次入栈,并在入栈之前清除掉栈中所有小于或等于当前元素的值。这样,栈顶元素始终是当前元素右侧的第一个更大元素。

由于我们从右向左遍历,所以在处理当前元素时,栈中已经维护好了该元素右侧的更大元素。

我们要求的是每个元素的下一个更大元素,所以在处理当前元素时,我们需要后面的数据,所以此时栈里要存后面的数据,所以要倒序遍历。

class Solution {
    int[] nextGreaterElement(int[] nums1, int[] nums2) {
        // 记录 nums2 中每个元素的下一个更大元素
        int[] greater = nextGreaterElement(nums2);
        
        // 把greater数组转化成映射:元素 x -> x 的下一个最大元素
        Map<Integer, Integer> greaterMap = new HashMap<>();
        for (int i = 0; i < nums2.length; i++) {
            greaterMap.put(nums2[i], greater[i]);
        }
        
        // nums1 是 nums2 的子集,所以根据 greaterMap 可以得到结果
        int[] res = new int[nums1.length];
        for (int i = 0; i < nums1.length; i++) {
            res[i] = greaterMap.get(nums1[i]);
        }
        return res;
    }

    int[] nextGreaterElement(int[] nums) {
        int n = nums.length;
        // 存放答案的数组
        int[] res = new int[n];
        Deque<Integer> s = new ArrayDeque<>();
        
        // 倒着往栈里放。栈里存元素值。
        for (int i = n - 1; i >= 0; i--) {
            // 如果栈顶元素小于等于当前元素,那么栈顶元素就不可能是当前元素的下一个更大元素,
            while (!s.isEmpty() && s.peek() <= nums[i]) {
                s.pop();
            }
            // 栈顶元素就是 nums[i] 身后的更大元素。倒序遍历是先计算,再入栈,计算前要处理一下栈,使之递减。
            res[i] = s.isEmpty() ? -1 : s.peek();
            s.push(nums[i]);
        }
        return res;
    }
}

时间复杂度O(m+n),空间复杂度O(n)。

递减栈,正序遍历

先入栈,弹栈的时候确定栈内元素的结果。和倒序遍历的区别是关注点不一样,倒序遍历关注的是栈外的元素,正序遍历关注的是栈内的元素

当前元素是栈顶元素的下一个更大元素,倒序遍历时,栈顶元素是当前元素的下一个更大元素。

class Solution {
    int[] nextGreaterElement(int[] nums1, int[] nums2) {
        // 记录 nums2 中每个元素的下一个更大元素
        int[] greater = nextGreaterElement(nums2);
        
        // 转化成映射:元素 x -> x 的下一个最大元素
        Map<Integer, Integer> greaterMap = new HashMap<>();
        for (int i = 0; i < nums2.length; i++) {
            greaterMap.put(nums2[i], greater[i]);
        }
        
        // nums1 是 nums2 的子集,所以根据 greaterMap 可以得到结果
        int[] res = new int[nums1.length];
        for (int i = 0; i < nums1.length; i++) {
            res[i] = greaterMap.get(nums1[i]);
        }
        return res;
    }

    int[] nextGreaterElement(int[] nums) {
        int n = nums.length;
        // 存放答案的数组
        int[] res = new int[n];
        // 题目要求找不到更大元素时返回-1
        Arrays.fill(res, -1);
        Deque<Integer> s = new ArrayDeque<>(); 
        
        // 正着往栈里放,栈里存待计算位置的索引,不能存元素值!
        for (int i = 0; i < n; i++) {
            // 每遇到一个新元素,就检查一下是否大于等于栈顶元素,如果大于等于,则顺便计算一下栈顶元素的下一个更大元素。
            while (!s.isEmpty() && nums[s.peek()] <= nums[i]) {
                int pre = s.pop();
                // 重点。我们计算的是栈内元素的下一个更大元素。倒序时是入栈前计算。正序时是入栈后计算栈内元素的下一个更大元素。无论正序还是倒序,
                // 计算前都要先处理栈,使之递减。
                res[pre] = nums[i];
            }
            // 清完栈后再push
            s.push(i);
        }
        return res;
    }
}

时间复杂度O(m+n),空间复杂度O(n)。