239. 滑动窗口最大值
具体可以看代码随想录文章:代码随想录
思路:写好了滑动窗口框架,想到了暴力算法,想到了priorityqueue,因为感觉不太对,所以没写下去
代码问题:
最后结果由linked list转回数组会超时
滑动窗口模版:把窗口视作左闭右开
实现单调栈的时候代码习惯要好:删除/获取栈内元素前都要检查是否非空(即使题目内逻辑不会涉嫌这种风险)
总结:需要自己实现单调队列,不需要维护所有值,只需要维护可能成为最大值的所有元素
不需要维护(比加入的值更小的)元素,因为在该(更大,这次加入的)元素弹出前,在(更大,这次加入的)元素前面的更小元素都不需要被考虑
单调队列push思路:把队列前面比加入的值更小的值全部都删除
pop思路:如果是当前单调栈的最大值,就把栈顶的最大值pop掉,在最大值前面的比最大值小的值,在最大值加入的时候,就已经pop出去了,不需要再做任何操作
不能使用优先级队列(最大堆),优先级队列会使窗口中数值顺序改变,pop的时候并不是你想要pop的元素/需要更多的时间复杂度来专门删掉优先级队列里的元素(找到并删除):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。
时间复杂度O(n):(在单调队列的实现中:所有元素最多被push pop一次,还是O(n)量级的)
空间复杂度O(k)
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int left = 0, right = 0;
int[] maxW = new int[nums.length-k+1];
MonoQueue window = new MonoQueue();
while(right<nums.length){
window.push(nums[right]);
right++;
while(left<right&&right-left>=k){
maxW[right-k]=window.top();
window.pop(nums[left]);
left++;
}
}
return maxW;
}
class MonoQueue{
LinkedList<Integer> queue;
public MonoQueue(){
queue = new LinkedList<>();
}
public void push(int n){
while(!queue.isEmpty()&&queue.getLast()<n){
queue.removeLast();
}
queue.addLast(n);
}
public void pop(int n){
if(!queue.isEmpty()&&n==queue.getFirst())queue.removeFirst();
}
public int top(){
return queue.getFirst();
}
}
}
347.前 K 个高频元素
思路:把频率现存出来,再用优先级队列排序
总结:只需要维护大小为k的小顶堆/priorityqueue,队列/堆满了的时候pop一个push一个
Java:如何对hashmap申明优先级队列 (语言怎么写)
Map.Entry使用办法:JAVA学习笔记——Map.Entry_java map.entry-CSDN博客
class Solution {
public int[] topKFrequent(int[] nums, int k) {
HashMap<Integer,Integer> map = new HashMap<>();
for(int num:nums){
map.put(num,map.getOrDefault(num,0)+1);
}
int[] res = new int[k];
PriorityQueue<int[]> pq = new PriorityQueue<>((a,b)->a[1]-b[1]);
for(Map.Entry<Integer,Integer> entry:map.entrySet()){
if(pq.size()<k){
pq.add(new int[]{entry.getKey(),entry.getValue()});
}else{
pq.add(new int[]{entry.getKey(),entry.getValue()});
pq.poll();
}
}
for(int i=k-1;i>=0;i--){
res[i]=pq.poll()[0];
}
return res;
}
}
要么先加入,排序完之后再删除,其实是维护k+1大小的优先级队列
要么先判断加入的值是否比最小值大:
如果比最小值大,可以先删除最小值,再加入该值
如果比最小值小,可以直接不加入
如果没有判断条件:可能删掉堆顶更大的值,把相对较小的值加入其中,e.g
堆顶:5,要加入的值1
应该是留5放弃1,但是没有判断条件会直接删除5,然后把1加入
if(entry.getValue()>pq.peek()[1]){//当前元素出现次数大于小顶堆的根结点(这k个元素中出现次数最少的那个)
pq.poll();//弹出队头(小顶堆的根结点),即把堆里出现次数最少的那个删除,留下的就是出现次数多的了
pq.add(new int[]{entry.getKey(),entry.getValue()});
}