代码随想录Day13

97 阅读3分钟

239. 滑动窗口最大值

力扣题目链接

文章讲解

单调队列正式登场!| LeetCode:239. 滑动窗口最大值

思路:可能会想用一个大顶堆(优先级队列)来存放这个窗口里的k个数字,这样就可以知道最大的最大值是多少了, 但是问题是这个窗口是移动的,而大顶堆每次只能弹出最大值,我们无法移除其他数值,这样就造成大顶堆维护的不是滑动窗口里面的数值了。所以不能用大顶堆。

其实队列没有必要维护窗口里的所有元素,只需要维护有可能成为窗口里最大值的元素就可以了,同时保证队列里的元素数值是由大到小的。

那么这个维护元素单调递减的队列就叫做单调队列,即单调递减或单调递增的队列。C++中没有直接支持单调队列,需要我们自己来实现一个单调队列

不要以为实现的单调队列就是 对窗口里面的数进行排序,如果排序的话,那和优先级队列又有什么区别了呢。

设计单调队列的时候,pop,和push操作要保持如下规则:

  1. pop(value):如果窗口移除的元素value等于单调队列的出口元素,那么队列弹出元素,否则不用任何操作
  2. push(value):如果push的元素value大于入口元素的数值,那么就将队列入口的元素弹出,直到push元素的数值小于等于队列入口元素的数值为止

保持如上规则,每次窗口移动的时候,只要问que.front()就可以返回当前窗口的最大值。

239.滑动窗口最大值-2.gif

class Solution {
public:
    // 递减的单调队列,用deque来实现
    // 时间复杂度: O(n)
    // 空间复杂度: O(k)
    class MyQueue {
    public:
        deque<int> que;
        // pop判空+每次弹出时比较当前弹出的数值是否等于队列出口元素
        void pop(int value) {
            // 如果移动导致最大元素离开窗口,则把最大元素从单调队列出pop出去
            if (!que.empty() && value == que.front()) {
                que.pop_front();
            }
        }
        // 如果push的值大于入口元素,则将队列入口元素弹出,保证队列数值的单调性
        void push(int value) {
            while (!que.empty() && value > que.back()) {
                que.pop_back();
            }
            que.push_back(value);
        }
        // 查询当前窗口最大值
        int front() {
            return que.front();
        }
    };

    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        MyQueue que;
        vector<int> result;
        // 放入第一个窗口的元素
        for (int i = 0; i < k; ++i) {
            que.push(nums[i]);
        }
        // result记录窗口的最大元素
        result.push_back(que.front());
        for (int i = k; i < nums.size(); ++i) {
            // 滑动窗口移除最前面元素
            que.pop(nums[i - k]);
            // 滑动窗口前加入最后面的元素
            que.push(nums[i]);
            // 记录最大元素
            result.push_back(que.front());
        }
        return result;
    }
};

347.前 K 个高频元素

力扣题目链接

文章讲解

优先级队列正式登场!大顶堆、小顶堆该怎么用?| LeetCode:347.前 K 个高频元素

堆是一棵完全二叉树,树中每个结点的值都不小于(或不大于)其左右孩子的值。  如果父亲结点是大于等于左右孩子就是大顶堆,小于等于左右孩子就是小顶堆。

要用小顶堆,因为要统计最大前k个元素,只有小顶堆每次将最小的元素弹出,最后小顶堆里积累的才是前k个最大元素。

image.png

class Solution {
public:
    // 小顶堆——根是最小元素
    // 时间复杂度: O(nlogk)
    // 空间复杂度: O(n)

    class mycomparison {
    public:
        bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
            return lhs.second > rhs.second;
        }
    };

    vector<int> topKFrequent(vector<int>& nums, int k) {
        // 统计元素出现频率,key = nums[i], value = 频数
        unordered_map<int, int> map;
        // 遍历nums数组
        for (int i = 0; i < nums.size(); ++i) {
            ++map[nums[i]];
        }

        // 根据频数来建立小根堆,大小为k,
        // 使用priority_queue优先级队列(底层是大/小根堆)
        // c++引入头文件<queue>
        /*
            template<
            class T, // 存储的元素类型
            class Container = std::vector<T>, // 用于存储元素的底层容器类型,必须满足序列容器
            class Compare = std::less<typename Container::value_type> // 提供严格弱序的比较类型
            > class priority_queue;
        */
        priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
        // 固定大小k的小根堆
        for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); ++it) {
            pri_que.push(*it);
            // 保证堆的大小为k
            if (pri_que.size() > k) {
                pri_que.pop();
            }
        }

        // 找出前K个高频元素,因为小顶堆先弹出的是最小的,所以倒序来输出到数组
        vector<int> result(k);
        for (int i = k - 1; i >= 0; --i) {
            result[i] = pri_que.top().first;
            pri_que.pop();
        }
        return result;

    }
};