滑动窗口的最大值
描述
给定一个长度为 n 的数组 num 和滑动窗口的大小 size ,找出所有滑动窗口里数值的最大值。
例如,如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3,那么一共存在6个滑动窗口,他们的最大值分别为{4,4,6,6,6,5}; 针对数组{2,3,4,2,6,2,5,1}的滑动窗口有以下6个: {[2,3,4],2,6,2,5,1}, {2,[3,4,2],6,2,5,1}, {2,3,[4,2,6],2,5,1}, {2,3,4,[2,6,2],5,1}, {2,3,4,2,[6,2,5],1}, {2,3,4,2,6,[2,5,1]}。
窗口大于数组长度或窗口长度为0的时候,返回空。
数据范围:1≤n≤10000,0≤size≤10000,数组中每个元素的值满足 ∣val∣≤10000
要求:空间复杂度 O(n),时间复杂度 O(n)
示例1
输入:
[2,3,4,2,6,2,5,1],3
返回值:
[4,4,6,6,6,5]
示例2
输入:
[9,10,9,-7,-3,8,2,-6],5
返回值:
[10,10,9,8]
示例3
输入:
[1,2,3,4],5
返回值:
[]
方法一:暴力方法
根据题目描述,我们很容易想到暴力方法。并且也很轻松的就可以写出来。如果数组的大小是n,窗口的大小是size,那么窗口的数量就是 n - size + 1.
算法步骤如下:
- 枚举每个窗口的左边界 i
- 根据窗口的左边界i可以对应计算出右边界j
- 遍历窗口,计算出最大值
代码如下:
class Solution {
public:
vector<int> maxInWindows(const vector<int>& num, unsigned int size) {
vector<int>ret;
int sz=num.size();
if(size>sz || size==0) return ret;
for(int i=0;i<=sz-size;++i){
int maxval=num[i];
for(int j=i+1;j<i+size;++j){
if(num[j]>maxval) maxval=num[j];
}
ret.push_back(maxval);
}
return ret;
}
};
- 时间复杂度: O(n*k), 其中n为数组大小,k为窗口大小
- 空间复杂度: O(1),存结果必须要开的数组不算入额外空间
方法二:单调队列(双端)
思路:
- 考虑到在一个窗口中如果第
i
个元素num[i]
,当下一个元素num[i+1]
比num[i]
大的话,那么num[i]
就一定不是当前窗口的最大值,如果用一个容器来装每个窗口的最大值的话,则此时可以将num[i]
删掉,而把num[i+1]
加入到这个容器中; - 但是问题是:当前窗口遍历每个元素时,将大的留在容器中,当窗口随着遍历序列的元素后移而后移改变时,如何在窗口移动的过程中,保证容器里面用来比较的元素不是“过期”(即非当前窗口)元素呢,如果是过期元素那么还需要删除,那么容器就必须还要考虑到序列和方向性,保证能从两头来删除或添加元素;
- 随着对序列的从前往后遍历,我们考虑用一个双端队列
deque
来做存储最大值的容器,当num[i+1]
与num[i]
比较时的从容器的末尾来pop_back()
,在添加元素时也是从末尾去push_back
,而当有元素过期时,从容器头部将其删除即pop_front()
,而且在删除之前还应将容器头部元素deque.front()
写入最后的返回结果中;由于我们只能遍历num
这个序列,这样考虑我们可以将num
的下标i
作为元素来操作;
综合以上几点代码如下:
class Solution {
public:
vector<int> maxInWindows(const vector<int>& num, unsigned int size) {
int sz=num.size();
int ssz=(int)size;
vector<int> ret;
deque<int> due;
if(ssz>sz || ssz==0) return ret;//当窗口大小大于序列长度或窗口大小为0时返回空
for(int i=0;i<sz;++i){
if(due.empty()){
due.push_back(i);//当容器为空时,push_back()当前元素
}
else {
while(!due.empty() && num[i]>num[due.back()]){
due.pop_back();//当前元素大于队列末尾元素时,删除末尾元素
}
due.push_back(i);//当前元素小于队列末尾元素,push_back()
}
if(i-ssz>=due.front()){//队列头元素下标小于窗口左边界时即“过期”
due.pop_front();//从头部删除队列“过期元素”
}
if(i+1>=ssz){//序列遍历到窗口大小减一的下标时窗口开始移动,队列头部元素开始写入
ret.push_back(num[due.front()]);
}
}
return ret;
}
};
- 时间复杂度: 遍历一遍序列即可,因此时间复杂度为O(N)
- 空间复杂度: 用了一个双端队列存储K个元素,K为窗口大小,因此为O(K).