day11:栈与队列part3,单调队列&优先队列
239.滑动窗口最大值
单调队列应用,滑动窗口一进一出的过程很像队列的处理过程
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
// 维持一个单调队列
Deque<Integer> deque = new LinkedList<>();
// 存输出结果的数组
int[] res = new int[nums.length - k + 1];
for (int j = 0, i = 1 - k; j < nums.length; i++, j++) {
if (i > 0 && deque.peekFirst() == nums[i - 1]) deque.removeFirst();
while (!deque.isEmpty() && nums[j] > deque.peekLast()) deque.removeLast();
deque.addLast(nums[j]);
if (i >= 0) res[i] = deque.peekFirst();
}
return res;
}
}
347.前k个高频元素
为什么用小根堆:维持一个k个元素的小根堆,将时间复杂度从O(nlogn)降低到 O(nlogk),多于k个元素时加入元素把堆顶(频率最小的)元素删除,剩下维护的就是频率最大的k个元素了
class Solution {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer, Integer> map = new HashMap<>();
for (int n : nums) {
map.put(n, map.getOrDefault(n, 0) + 1);
}
PriorityQueue<Integer> heap = new PriorityQueue<>(new Comparator<Integer>() {
@Override
public int compare(Integer a, Integer b) {
return map.get(a) - map.get(b);
}
});
for (Integer key : map.keySet()) {
if (heap.size() < k) heap.add(key);
else {
if (map.get(key) > map.get(heap.peek())) {
heap.remove();
heap.add(key);
}
}
}
int[] ans = new int[k];
int i = 0;
while (!heap.isEmpty()) ans[i++] = heap.remove();
return ans;
}
}