剑指 Offer 59 - I. 滑动窗口的最大值 - 力扣（LeetCode）
基本思路1
维护一个优先队列，保证队首的元素总是队伍中最大的，从左到右遍历数组：
- 如果当前元素的值小于队尾元素的值，那么将当前元素加入到队尾
- 如果当前元素的值大于队尾元素的值，那么将队尾元素进行弹出，再进行比较，直到满足队尾元素大于当前元素，或者队伍为空，将当前元素加入到队尾
！！如果出现当前遍历到的元素大于队尾元素的情况，说明以后窗口的最大值就不可能是该队尾了，所以可以将队尾依次弹出，直到当前元素小于队尾
在遍历的过程中，如果已经完整的遍历过一个窗口(元素下标i >= k-1), 则开始从队首拿出窗口的最大值（由于上述的计算过程，队首肯定是队列中最大的），同时需要考虑当前队首元素是否在当前窗口中，如果不在，则将其从队首移出。
代码1
var maxSlidingWindow = function(nums, k) {
let queue = new Array()
let answer = new Array()
for(let i = 0; i < nums.length; i++){
while(queue.length > 0){
const top = queue.pop()
if(nums[i] <= nums[top]){
queue.push(top)
break
}
}
queue.push(i)
if(i >= k-1){
while(queue.length > 0){
const front = queue.shift()
if(i - front <= k - 1){ // 在范围内
queue.unshift(front)
answer.push(nums[front])
break
}
}
}
}
return answer
};
分析1
空间复杂度： 需要增加一个队列来维护最大值，其中队列最大的长度大概是窗口大小，所以空间复杂度是O(k)
时间复杂度： 外侧需要遍历n次，每次遍历进行的操作次数会有区别，平均下来对于每个元素，都会经历一次入队和出队(不一定)的经历，所以时间复杂度是O(n)
基本思路2
用大根堆(优先队列)来保持堆顶元素最大，滑动窗口时，将新加入的元素加入堆中，此时查看堆顶元素是否在窗口范围内。
- 如果在，堆顶元素就是该窗口下的最大值。
- 如果不在，就一直移除堆顶元素，直到堆顶元素在窗口内，该元素就是该窗口下的最大值。
分析2
空间复杂度： 使用一个数组来模拟堆的结构，为O(n)
时间复杂度： 最坏情况下，数组递增，每次插入元素到堆中，都需要logn的时间，同时有n个数字需要插入，因此是O(nlogn)
