一、需求
-
请定义一个队列并实现函数 max_value 得到队列里的最大值,要求函数max_value、push_back 和 pop_front 的均摊时间复杂度都是O(1);
-
若队列为空,
pop_front
和max_value
需要返回 -1; - 所谓均摊时间复杂度是指把量级高的操作所耗费的时间分担到量级低的操作上,看平摊后的量级是多少,详情见https://www.jianshu.com/p/59f380c6ffcd
示例 1:
输入:
["MaxQueue","push_back","push_back","max_value","pop_front","max_value"]
[[],[1],[2],[],[],[]]
输出: [null,null,null,2,1,2]
示例 2:
输入:
["MaxQueue","pop_front","max_value"]
[[],[],[]]
输出: [null,-1,-1]
二、滑动窗口(单调队列)
2.1 思路分析
- 该题类似于上一题中求滑动窗口的最大值,在这里我们要建两个队列,一个是普通队列,用来存储加入队列的元素,以便pop操作,一个是双端队列,保证其是非严格递减的;
- 双端队列可以看作是一个滑动窗口,入队就是窗口的右边界右移,出队就是将窗口的左边界右移;
- 入队时要保证双端队列的非严格递减,出队时同理;
2.2 代码实现
class MaxQueue {
//定义单调队列和双端队列
Queue<Integer> queue;
Deque<Integer> deque;
public MaxQueue() {
queue = new LinkedList<>();
deque = new LinkedList<>();
}
public int max_value() {
if(deque.isEmpty()) {
return -1;
}
return deque.peekFirst();
}
public void push_back(int value) {
while(!deque.isEmpty() && deque.peekLast() < value) {
deque.removeLast();
}
deque.addLast(value);
queue.add(value);
}
public int pop_front() {
if(queue.isEmpty()) {
return -1;
}
int ans = queue.poll();
if(ans == deque.peekFirst()) {
deque.removeFirst();
}
return ans;
}
}
/**
* Your MaxQueue object will be instantiated and called as such:
* MaxQueue obj = new MaxQueue();
* int param_1 = obj.max_value();
* obj.push_back(value);
* int param_3 = obj.pop_front();
*/
2.3 复杂度分析
- 均摊时间复杂度为O(1),将队列看作滑动窗口,每次插入操作最多出队n次,这样来看时间复杂度为O(N),但当插入n个数字时(即n次插入操作),此时最多出队n次,这样平摊到单次插入操作,时间复杂度就为O(1);
- 空间复杂度为O(N),其中普通队列要存储所有插入的元素;
三、学习地址
作者:LeetCode-Solution