zh-hant/docs/chapter_greedy/max_capacity_problem.md
!!! question
輸入一個陣列 $ht$ ，其中的每個元素代表一個垂直隔板的高度。陣列中的任意兩個隔板，以及它們之間的空間可以組成一個容器。
容器的容量等於高度和寬度的乘積（面積），其中高度由較短的隔板決定，寬度是兩個隔板的陣列索引之差。
請在陣列中選擇兩個隔板，使得組成的容器的容量最大，返回最大容量。示例如下圖所示。
容器由任意兩個隔板圍成，因此本題的狀態為兩個隔板的索引，記為 $[i, j]$ 。
根據題意，容量等於高度乘以寬度，其中高度由短板決定，寬度是兩隔板的陣列索引之差。設容量為 $cap[i, j]$ ，則可得計算公式：
$$ cap[i, j] = \min(ht[i], ht[j]) \times (j - i) $$
設陣列長度為 $n$ ，兩個隔板的組合數量（狀態總數）為 $C_n^2 = \frac{n(n - 1)}{2}$ 個。最直接地，我們可以窮舉所有狀態，從而求得最大容量，時間複雜度為 $O(n^2)$ 。
這道題還有更高效率的解法。如下圖所示，現選取一個狀態 $[i, j]$ ，其滿足索引 $i < j$ 且高度 $ht[i] < ht[j]$ ，即 $i$ 為短板、$j$ 為長板。
如下圖所示，若此時將長板 $j$ 向短板 $i$ 靠近，則容量一定變小。
這是因為在移動長板 $j$ 後，寬度 $j-i$ 肯定變小；而高度由短板決定，因此高度只可能不變（ $i$ 仍為短板）或變小（移動後的 $j$ 成為短板）。
反向思考，我們只有向內收縮短板 $i$ ，才有可能使容量變大。因為雖然寬度一定變小，但高度可能會變大（移動後的短板 $i$ 可能會變長）。例如在下圖中，移動短板後面積變大。
由此便可推出本題的貪婪策略：初始化兩指標，使其分列容器兩端，每輪向內收縮短板對應的指標，直至兩指標相遇。
下圖展示了貪婪策略的執行過程。
2. 步和第 3. 步，直至 $i$ 和 $j$ 相遇時結束。=== "<1>"
=== "<2>"
=== "<3>"
=== "<4>"
=== "<5>"
=== "<6>"
=== "<7>"
=== "<8>"
=== "<9>"
程式碼迴圈最多 $n$ 輪，因此時間複雜度為 $O(n)$ 。
變數 $i$、$j$、$res$ 使用常數大小的額外空間，因此空間複雜度為 $O(1)$ 。
[file]{max_capacity}-[class]{}-[func]{max_capacity}
之所以貪婪比窮舉更快，是因為每輪的貪婪選擇都會“跳過”一些狀態。
比如在狀態 $cap[i, j]$ 下，$i$ 為短板、$j$ 為長板。若貪婪地將短板 $i$ 向內移動一格，會導致下圖所示的狀態被“跳過”。這意味著之後無法驗證這些狀態的容量大小。
$$ cap[i, i+1], cap[i, i+2], \dots, cap[i, j-2], cap[i, j-1] $$
觀察發現，這些被跳過的狀態實際上就是將長板 $j$ 向內移動的所有狀態。前面我們已經證明內移長板一定會導致容量變小。也就是說，被跳過的狀態都不可能是最優解，跳過它們不會導致錯過最優解。
以上分析說明，移動短板的操作是“安全”的，貪婪策略是有效的。