Given an array nums, there is a sliding window of size k which is moving from the very left of the array to the very right. You can only see the k numbers in the window. Each time the sliding window moves right by one position.
For example,
Given nums = [1,3,-1,-3,5,3,6,7], and k = 3.
Window position Max
--------------- -----
[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
Therefore, return the max sliding window as [3,3,5,5,6,7].
Note:
You may assume k is always valid, ie: 1 ≤ k ≤ input array’s size for non-empty array.
这道题就是考察滑动窗口的Maximum,最直接的方法就是暴力,然后在Java中可以考虑使用优先级队列,但是这个还是不符合题意的时间复杂度的要求。
使用最大堆或者二叉搜索树是做好的做法,所以我赞成C++的做法,很不错
网上看到了使用双向队列完成的做法,很棒,总之就是这样做的,就是尾部压进元素,头部到尾部是从大到小的排列,每一次的压入相当于插入排序,然后得到元素即可。
代码如下:
import java.util.Collections;
import java.util.Deque;
import java.util.LinkedList;
import java.util.PriorityQueue;
/*
* 使用双向队列很棒,首先这里保存的是index,而不是具体的值
* 因为我们在滑动窗口的时候会不断添加元素,然后删除元素,同时还要记录最大值
* 所以我们每一次添加元素都保存较大的元素,这个就是在deque的末尾添加的元素的技巧
*
* 同时每当我们发现我们保存的最大元素是i-k也即,这个最大元素应该淘汰了,那么直接pop,
* 滑动窗口并不是时钟保存窗口k个元素,而是保存着最大的元素,还可能有第二大,第三大的元素等等
* */
class Solution
{
public int[] maxSlidingWindow(int[] nums, int k)
{
if(nums==null || nums.length<0 || k<=0 || k==1)
return nums;
int []res=new int[nums.length-k+1];
int count=0;
Deque<Integer> deque=new LinkedList<Integer>();
for(int i=0;i<nums.length;i++)
{
// 每当新数进来时,如果发现队列头部的数的下标,是窗口最左边数的下标,则扔掉
if(deque.isEmpty()==false && deque.peekFirst()==i-k)
deque.pollFirst();
// 把队列尾部所有比新数小的都扔掉,保证队列是降序的
while(deque.isEmpty()==false && nums[deque.peekLast()] < nums[i])
deque.removeLast();
// 添加新数
deque.addLast(i);
// 队列头部就是该窗口内第一大的
if(i+1>=k)
res[count++]=nums[deque.peekFirst()];
}
return res;
}
/*
* 使用优先级队列,是最直接的方法
*
* 使用优先级队列保存窗口的k个元素,然后可以得到最大值,
* 遍历一次即可完成,不过时间不是O(n),
* */
public int[] maxSlidingWindowByProQueue(int[] nums, int k)
{
if(nums==null || nums.length<0 || k<=0 || k==1)
return nums;
int []res=new int[nums.length-k+1];
int count=0;
PriorityQueue<Integer> queue=new PriorityQueue<>(Collections.reverseOrder());
for(int i=0;i<nums.length;i++)
{
if(i+1<=k)
queue.add(nums[i]);
else
{
queue.add(nums[i]);
queue.remove(nums[i-k]);
}
if(queue.size()==k)
res[count++]=queue.peek();
}
return res;
}
}
下面是C++的做法,就是一个简单的遍历,注意中间使用优先级队列来完成最大窗口值得判断,但是要注意的是C++的优先级队列不支持中中间删除元素,只支持队列头部尾部的添加和删除,所以这里使用multiset来做,因为和set一样内部使用的是平衡的二叉搜索树来实现
代码如下:
#include <iostream>
#include <alogrithm>
#include <set>
#include <map>
#include <vector>
#include <stack>
#include <queue>
using namespace std;
class Solution
{
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k)
{
vector<int> res;
multiset<int> que;
for (int i = 0; i < nums.size(); i++)
{
if (i < k)
que.insert(nums[i]);
else
{
que.insert(nums[i]);
que.erase(que.find(nums[i-k]));
}
if(que.size()==k)
res.push_back(*que.rbegin());
}
return res;
}
};