Day1: GG高频面经 | Sliding Window Maximum｜Sundri

Sunlovecoding

已于 2023-01-28 01:22:31 修改

阅读量72

点赞数

分类专栏： Google面经文章标签： leetcode 算法数据结构

于 2022-12-09 04:20:05 首次发布

本文链接：https://blog.csdn.net/Sunlovecoding/article/details/128246556

版权

Google面经专栏收录该内容

1 篇文章 0 订阅

订阅专栏

LC239 滑动窗口最大值力扣

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。

示例 1：

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3
输出：[3,3,5,5,6,7]
解释：
滑动窗口的位置最大值
--------------- -----
[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
示例 2：

输入：nums = [1], k = 1
输出：[1]

# 暴力解：

1.依此遍历找出每一个窗口，并且遍历窗口中的每个元素，找出当前窗口的最大值，记录到res中

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        # 暴力解法：tle 
        cur_max = float('-inf') # cur_max 记得要在每个窗口中都清零
        res = []
        for left in range(len(nums)-k+1):
            cur_max = float('-inf') 
            for i in range(left, left + k):
                cur_max = max(cur_max, nums[i])
                print("nums[i]",nums[i])
            res.append(cur_max)
        return res

时间复杂度：(n-k) * k

# 单调队列

思考：如何对这个暴力解法的代码进行优化？真的需要每个元素都重复遍历一次吗？有没有一种方法能够让我们在O(N)的时间内完成计算？

解题要点：

1.维护一个queue，保证它是非递增的，记录对应的index（例如：5，4，3，2，1）

2.每次新加进来数的时候都把当前的nums[r]和 queue最后一位元素对应的value进行比较：

2.1 如果新进元素更大，则要不停的对queue的末尾进行pop，直到找到queue中有一个比新进元素更大的数；如果该元素不存在，则queue应该清空，然后让新元素进来

例1：[5，3，1 ] - 4要进来，则要把1和3依此pop出来，变成 [5,4]

例2: [5, 4, ,3, 2, 1] - 7 要进来，则要把queue所有的元素pop出来，把7放进去，变成 [7]

3. 什么时候记录当前区间的最大值呢？

通过观察可以发现，此时queue中的元素最大值一定是在queue的左侧（即开头的位置）。有两种情况我们需要记录最大值：

3.1 第一种是窗口第一次达到size为k的时候：即 R + 1 == k，说明我们要记录下q[0]对应的value了

3.2 第二种是窗口达到size为k之后，L和R指针同时向后移动，此后的每一步都要记下q[0]对应的值

4. 什么时候移动 L（左指针呢）？

当发现左指针当前的值已经超过queue里面最左边的index的值的时候，就说明这个queue的size已经超出了，因此要进行 queue.popleft()的操作。

输入：nums = [1,3,-1,-3,5,3,6,7], k = 3 输出：[3,3,5,5,6,7]

queue - index(value)	L	R	res
0(1)	0	0	[]
1(3)	0	1	[]
1(3), 2(-1)	0	2	[3]
1(3), 2(-1), 3(-3)	1	3	[3,3]
4(5)	2	4	[3,3,5]
4(5), 5(3)	3	5	[3,3,5,5]
6(6)	4	6	[3,3,5,5,6]
7(7)	5	7	[3,3,5,5,6,7]

# 核心代码：

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        L = 0
        res = []
        q = collections.deque()
        for R in range(len(nums)):
            while q and nums[q[-1]] < nums[R]:
                q.pop()
            q.append(R)
            if R + 1 >= k:
                res.append(nums[q[0]])
                L += 1
            if L > q[0]:
                q.popleft()
        return res

LC看到的超赞的解题思路：

遍历数组，将数存放在双向队列中，并用 L,R 来标记窗口的左边界和右边界。队列中保存的并不是真的数，而是该数值对应的数组下标位置，并且数组中的数要从大到小排序。如果当前遍历的数比队尾的值大，则需要弹出队尾值，直到队列重新满足从大到小的要求。刚开始遍历时，L 和 R 都为 0，有一个形成窗口的过程，此过程没有最大值，L 不动，R 向右移。当窗口大小形成时，L 和 R 一起向右移，每次移动时，判断队首的值的数组下标是否在 [L,R] 中，如果不在则需要弹出队首的值，当前窗口的最大值即为队首的数。

作者：hanyuhuang
链接：https://leetcode.cn/problems/sliding-window-maximum/solution/shuang-xiang-dui-lie-jie-jue-hua-dong-chuang-kou-2/