给你一个整数数组 nums，有一个大小为 k **的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。
返回 滑动窗口中的最大值 。
示例 1：
输入： nums = [1,3,-1,-3,5,3,6,7], k = 3
输出： [3,3,5,5,6,7]
解释：
滑动窗口的位置 最大值
--------------- -----
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
示例 2：
输入： nums = [1], k = 1
输出： [1]
提示：
1 <= nums.length <= 105-104 <= nums[i] <= 1041 <= k <= nums.length
解法一：
可以使用优先队列来做，即最大堆，不过此时我们里面放一个 pair 对儿，由数字和其所在位置组成的，这样我们就可以知道每个数字的位置了，而不用再进行搜索了。在遍历每个数字时，进行 while 循环，假如优先队列中最大的数字此时不在窗口中了，就要移除，判断方法就是将队首元素的 pair 对儿中的 second（位置坐标）跟 i-k 对比，小于等于就移除。然后将当前数字和其位置组成 pair 对儿加入优先队列中。此时看若 i >= k-1，说明窗口大小正好是 k，就将最大值加入结果 res 中即可。
class Solution {
fun maxSlidingWindow(nums: IntArray, k: Int): IntArray {
val priorityQueue =
PriorityQueue<Pair<Int, Int>>(Comparator<Pair<Int, Int>> { o1, o2 -> o2!!.first.compareTo(o1!!.first) })
val result = mutableListOf<Int>()
for (index in nums.indices) {
while (priorityQueue.isNotEmpty() && priorityQueue.peek().second <= index - k) {
priorityQueue.poll()
}
priorityQueue.offer(Pair(nums[index], index))
if (index >= k - 1) {
result.add(priorityQueue.peek().first)
}
}
return result.toIntArray()
}
}
解法二：
使用双向队列 deque 来解题，并提示我们窗口中只留下有用的值，没用的全移除掉。思路是用双向队列保存数字的下标，遍历整个数组，如果此时队列的首元素是 i-k 的话，表示此时窗口向右移了一步，则移除队首元素。然后比较队尾元素和将要进来的值，如果小的话就都移除。然后添加当前下标到队尾，最后如果此时下标 i >= k-1，我们把队首下标对应的元素加入结果中即可。
class Solution {
fun maxSlidingWindow(nums: IntArray, k: Int): IntArray {
val result = mutableListOf<Int>()
val deque = ArrayDeque<Int>()
for (i in nums.indices) {
// 队列的首元素是 i-k 的话，表示此时窗口向右移了一步，则移除队首元素
if (deque.isNotEmpty() && deque.first() == i - k) {
deque.removeFirst()
}
// 比较队尾下标对应的元素值和将要进来的值，如果小的话就都移除
while (deque.isNotEmpty() && nums[deque.last()] < nums[i]) {
deque.removeLast()
}
deque.addLast(i)
// 如果此时下标 i >= k-1，把队首下标对应的元素加入结果中
if (i >= k - 1) {
result.add(nums[deque.first()])
}
}
return result.toIntArray()
}
}
- 时间复杂度: O(n)
- 空间复杂度: O(k)
