239. 滑动窗口最大值
题目来源
题目分析
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。
题目难度
- 难度:困难
题目标签
- 标签:队列、单调队列、滑动窗口
题目限制
1 <= nums.length <= 105
-104 <= nums[i] <= 104
1 <= k <= nums.length
解题思路
思路:单调队列
-
问题定义:
- 本题需要在一个长度为
k
的滑动窗口中找到每次滑动后窗口的最大值。
- 本题需要在一个长度为
-
核心算法:
- 利用单调队列来维护窗口内的最大值。队列中的元素按照从大到小的顺序排列,队列的头部始终是当前窗口的最大值。
- 当窗口向右滑动时,先将新元素与队列尾部元素比较,确保队列保持单调性,再将队列头部的过期元素移出队列。
-
关键步骤:
- 遍历数组
nums
时,首先判断队列头部的元素是否在当前窗口内,如果不在则移出队列。 - 然后从队列尾部开始移除所有小于当前元素的值,保证队列的单调性。
- 最后在每个窗口的末尾,将当前窗口的最大值(即队列头部的元素)加入结果数组。
- 遍历数组
核心算法步骤
- 初始化队列:创建一个双端队列
deque
用于存储滑动窗口中的索引值。 - 遍历数组:在遍历过程中,根据上述核心算法步骤动态维护队列。
- 输出结果:当窗口达到大小
k
时,将队列头部的元素(即当前窗口的最大值)加入结果数组。
代码实现
以下是求解滑动窗口最大值的 Java 代码:
/**
* 239. 滑动窗口最大值
* @param nums 输入数组
* @param k 滑动窗口大小
* @return 滑动窗口最大值数组
*/
public int[] maxSlidingWindow(int[] nums, int k) {
int n = nums.length;
int[] result = new int[n - k + 1];
Deque<Integer> deque = new LinkedList<>();
for (int i = 0; i < n; i++) {
// 移除不在滑动窗口中的元素
if (!deque.isEmpty() && deque.peekFirst() == i - k) {
deque.pollFirst();
}
// 移除队列中所有小于当前元素的值
while (!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) {
deque.pollLast();
}
// 将当前元素加入队列
deque.addLast(i);
// 当窗口达到大小 k 时,记录结果
if (i >= k - 1) {
result[i - k + 1] = nums[deque.peekFirst()];
}
}
return result;
}
代码解读
- 队列操作:通过使用双端队列来维护当前窗口内的最大值,队列中的元素总是保持单调递减。
- 滑动窗口逻辑:随着窗口的移动,及时移除队列中不再属于当前窗口的元素,并更新最大值。
性能分析
- 时间复杂度:
O(n)
,其中n
是输入数组nums
的长度。每个元素最多只会被加入和移除队列一次。 - 空间复杂度:
O(k)
,队列中的元素个数最多为k
。
测试用例
你可以使用以下测试用例来验证代码的正确性:
int[] nums1 = {1, 3, -1, -3, 5, 3, 6, 7};
int k1 = 3;
int[] result1 = maxSlidingWindow(nums1, k1);
System.out.println(Arrays.toString(result1)); // 输出: [3, 3, 5, 5, 6, 7]
int[] nums2 = {1};
int k2 = 1;
int[] result2 = maxSlidingWindow(nums2, k2);
System.out.println(Arrays.toString(result2)); // 输出: [1]
int[] nums3 = {4, 2, 12, 11, -5, 3, 4, 1, 3};
int k3 = 2;
int[] result3 = maxSlidingWindow(nums3, k3);
System.out.println(Arrays.toString(result3)); // 输出: [4, 12, 12, 11, 3, 4, 4, 3]
扩展讨论
优化写法
- 额外的优化空间:当前算法已经是最优解。可以考虑使用更高级的数据结构如树状数组或堆来实现类似的功能,但时间复杂度可能会有所增加。
总结
滑动窗口最大值问题通过使用单调队列来维护窗口内的最大值,以 O(n)
的时间复杂度解决了问题。这种方法不仅简单易行,而且非常高效,是处理类似滑动窗口问题的经典策略。