Algorytmyhard

Co to jest monotonic stack i jakie problemy rozwiązuje?

Tagi

#stack#monotonic-stack#next-greater#big-o

Odpowiedź

Monotonic stack trzyma elementy w kolejności rosnącej albo malejącej. Używa się go do zadań typu „next greater/smaller element”, stock span czy histogram — często w O(n), bo każdy element jest wrzucany i zdejmowany co najwyżej raz.

function nextGreater(nums: number[]): number[] {
  const res = Array(nums.length).fill(-1);
  const st: number[] = []; // stack of indices

  for (let i = 0; i < nums.length; i++) {
    while (st.length && nums[st[st.length - 1]] < nums[i]) {
      res[st.pop()!] = nums[i];
    }
    st.push(i);
  }

  return res;
}

Odpowiedź zaawansowana

Głębiej

Rozwinięcie krótkiej odpowiedzi — co zwykle ma znaczenie w praktyce:

Kontekst (tagi): stack, monotonic-stack, next-greater, big-o
Złożoność: porównaj typowe operacje (średnio vs najgorzej).
Inwarianty: co musi być zawsze prawdą, żeby struktura/algorytm działał poprawnie.
Kiedy wybór jest zły: objawy w produkcji (latencja, GC, cache misses).
Wytłumacz "dlaczego", nie tylko "co" (intuicja + konsekwencje).
Trade-offy: co zyskujesz i co tracisz (czas, pamięć, złożoność, ryzyko).
Edge-case’y: puste dane, duże dane, błędne dane, współbieżność.

Przykłady

Poniżej dodatkowy przykład (bazuje na tym, co już jest w odpowiedzi):

function nextGreater(nums: number[]): number[] {
  const res = Array(nums.length).fill(-1);
  const st: number[] = []; // stack of indices

  for (let i = 0; i < nums.length; i++) {
    while (st.length && nums[st[st.length - 1]] < nums[i]) {
      res[st.pop()!] = nums[i];
    }
    st.push(i);
  }

  return res;
}

Typowe pułapki

Zbyt ogólna odpowiedź (brak konkretów, brak przykładów).
Brak rozróżnienia między "średnio" a "najgorzej" (np. złożoność).
Pomijanie ograniczeń: pamięć, współbieżność, koszty sieci/dysku.

Pytania uzupełniające na rozmowie

Powiązane pytania

Algorytmy

Quickselect: do czego służy i jaka jest jego oczekiwana złożoność?

#quickselect#selection#partition

Algorytmy

Co to jest kolejka monotoniczna i jak daje max w oknie w O(n)?

#deque#monotonic-queue#sliding-window

Algorytmy

Counting sort: kiedy może być szybszy niż sortowanie O(n log n)

Odpowiedź

function nextGreater(nums: number[]): number[] {
  const res = Array(nums.length).fill(-1);
  const st: number[] = []; // stack of indices

  for (let i = 0; i < nums.length; i++) {
    while (st.length && nums[st[st.length - 1]] < nums[i]) {
      res[st.pop()!] = nums[i];
    }
    st.push(i);
  }

  return res;
}

Odpowiedź zaawansowana

Głębiej

Rozwinięcie krótkiej odpowiedzi — co zwykle ma znaczenie w praktyce:

Kontekst (tagi): stack, monotonic-stack, next-greater, big-o
Złożoność: porównaj typowe operacje (średnio vs najgorzej).
Inwarianty: co musi być zawsze prawdą, żeby struktura/algorytm działał poprawnie.
Kiedy wybór jest zły: objawy w produkcji (latencja, GC, cache misses).
Wytłumacz "dlaczego", nie tylko "co" (intuicja + konsekwencje).
Trade-offy: co zyskujesz i co tracisz (czas, pamięć, złożoność, ryzyko).
Edge-case’y: puste dane, duże dane, błędne dane, współbieżność.

Przykłady

Poniżej dodatkowy przykład (bazuje na tym, co już jest w odpowiedzi):

function nextGreater(nums: number[]): number[] {
  const res = Array(nums.length).fill(-1);
  const st: number[] = []; // stack of indices

  for (let i = 0; i < nums.length; i++) {
    while (st.length && nums[st[st.length - 1]] < nums[i]) {
      res[st.pop()!] = nums[i];
    }
    st.push(i);
  }

  return res;
}

Typowe pułapki

Zbyt ogólna odpowiedź (brak konkretów, brak przykładów).
Brak rozróżnienia między "średnio" a "najgorzej" (np. złożoność).
Pomijanie ograniczeń: pamięć, współbieżność, koszty sieci/dysku.