https://leetcode-cn.com/problems/maximum-of-absolute-value-expression/
给你两个长度相等的整数数组，返回下面表达式的最大值：
|arr1[i] - arr1[j]| + |arr2[i] - arr2[j]| + |i - j|
其中下标 i，j 满足 0 <= i, j < arr1.length。
示例 1：
输入：arr1 = [1,2,3,4], arr2 = [-1,4,5,6]
输出：13
示例 2：
输入：arr1 = [1,-2,-5,0,10], arr2 = [0,-2,-1,-7,-4]
输出：20
提示：
2 <= arr1.length == arr2.length <= 40000
-10^6 <= arr1[i], arr2[i] <= 10^6
- 数组
- 阿里
- 腾讯
- 字节
如图我们要求的是这样一个表达式的最大值。arr1 和 arr2 为两个不同的数组，且二者长度相同。i 和 j 是两个合法的索引。
红色竖线表示的是绝对值的符号
我们对其进行分类讨论，有如下八种情况：
|arr1[i] -arr1[j]| 两种情况 |arr2[i] -arr2[j]| 两种情况 |i - j| 两种情况 因此一共是 2 * 2 * 2 = 8 种
由于 i 和 j 之间没有大小关系，也就是说二者可以相互替代。因此：
- 1 等价于 8
- 2 等价于 7
- 3 等价于 6
- 4 等价于 5
也就是说我们只需要计算 1，2，3，4 的最大值就可以了。（当然你可以选择其他组合，只要完备就行）
为了方便，我们将 i 和 j 都提取到一起：
容易看出等式的最大值就是前面的最大值，和后面最小值的差值。如图：
再仔细观察，会发现前面部分和后面部分是一样的，原因还是上面所说的 i 和 j 可以互换。因此我们要做的就是：
- 遍历一遍数组，然后计算四个表达式， arr1[i] + arr2[i] + i，arr1[i] - arr2[i] + i，arr2[i] - arr1[i] + i 和 -1 * arr2[i] - arr1[i] + i 的 最大值和最小值。
- 然后分别取出四个表达式最大值和最小值的差值（就是这个表达式的最大值）
- 四个表达式最大值再取出最大值
- 数学分析
class Solution:
def maxAbsValExpr(self, arr1: List[int], arr2: List[int]) -> int:
A = []
B = []
C = []
D = []
for i in range(len(arr1)):
a, b, c, d = arr1[i] + arr2[i] + i, arr1[i] - arr2[i] + \
i, arr2[i] - arr1[i] + i, -1 * arr2[i] - arr1[i] + i
A.append(a)
B.append(b)
C.append(c)
D.append(d)
return max(max(A) - min(A), max(B) - min(B), max(C) - min(C), max(D) - min(D))
（图来自： https://zh.wikipedia.org/wiki/%E6%9B%BC%E5%93%88%E9%A0%93%E8%B7%9D%E9%9B%A2）
一维曼哈顿距离可以理解为一条线上两点之间的距离: |x1 - x2|，其值为 max(x1 - x2, x2 - x1)
在平面上，坐标（x1, y1）的点 P1 与坐标（x2, y2）的点 P2 的曼哈顿距离为：|x1-x2| + |y1 - y2|,其值为 max(x1 - x2 + y1 - y2, x2 - x1 + y1 - y2, x1 - x2 + y2 - y1, x2 -x1 + y2 - y1)
然后这道题目是更复杂的三维曼哈顿距离，其中(i, arr[i], arr[j])可以看作三位空间中的一个点，问题转化为曼哈顿距离最远的两个点的距离。 延续上面的思路，|x1-x2| + |y1 - y2| + |z1 - z2|,其值为 :
max(
x1 - x2 + y1 - y2 + z1 - z2,
x1 - x2 + y1 - y2 + z2 - z1,
x2 - x1 + y1 - y2 + z1 - z2,
x2 - x1 + y1 - y2 + z2 - z1,
x1 - x2 + y2 - y1 + z1 - z2,
x1 - x2 + y2 - y1 + z2- z1,
x2 -x1 + y2 - y1 + z1 - z2，
x2 -x1 + y2 - y1 + z2 - z1
)
我们可以将 1 和 2 放在一起方便计算：
max(
x1 + y1 + z1 - (x2 + y2 + z2)，
x1 + y1 - z1 - (x2 + y2 - z2)
...
)
我们甚至可以扩展到 n 维，具体代码见下方。
- 曼哈顿距离
- 曼哈顿距离代码模板
解题模板可以帮助你快速并且更少错误的解题，更多解题模板请期待我的新书(未完成)
class Solution:
def maxAbsValExpr(self, arr1: List[int], arr2: List[int]) -> int:
# 曼哈顿距离模板代码
sign = [1, -1]
n = len(arr1)
dists = []
# 三维模板
for a in sign:
for b in sign:
for c in sign:
maxDist = float('-inf')
minDist = float('inf')
# 分别计算所有点的曼哈顿距离
for i in range(n):
dist = arr1[i] * a + arr2[i] * b + i * c
maxDist = max(maxDist, dist)
minDist = min(minDist, dist)
# 将所有的点的曼哈顿距离放到dists中
dists.append(maxDist - minDist)
return max(dists)复杂度分析
- 时间复杂度：$O(N^3)$
- 空间复杂度：$O(N)$
可以看出其实两种解法都是一样的，只是思考角度不一样。
大家对此有何看法，欢迎给我留言，我有时间都会一一查看回答。更多算法套路可以访问我的 LeetCode 题解仓库：https://github.com/azl397985856/leetcode 。 目前已经 37K star 啦。
大家也可以关注我的公众号《力扣加加》带你啃下算法这块硬骨头。
