今天是第11天刷leetcode,立个flag。
算法挑战链接
239. 滑动窗口最大值https://leetcode.cn/problems/sliding-window-maximum/description/
第一想法
题目理解:找到滑动窗口中最大的值,写入数组中,返回该数组即可。
第一个想法是暴力循环,我只需要对窗口的值进行排序,然后取出最大值就行。简单。
代码如下:
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
// 暴力解法
if (nums == null || nums.length < 1 || k < 1) {
throw new IllegalArgumentException();
}
int length = nums.length;
int[] res = new int[length - k + 1];
// i 为窗口的左边界
for (int i = 0; i < length - k + 1; i++) {
int max = Integer.MIN_VALUE;
// j 从左边界开始,滑过窗口的范围
for (int j = i; j < i + k; j++) {
max = Math.max(max, nums[j]); // 记录窗口内的最大值
}
res[i] = max;
}
return res;
}
}
结果是超时了~~~~
看完代码随想录之后的想法
代码随想录的做法是使用单调队列来完成的。这个做法是极好的。
单调队列就是记录窗口内值的单调性。你可以想象有一个数据结构,他可以:
- 弹出第一个元素
- 往队尾添加一个元素
- 返回该队列的最大值
如果有这个一个数据结构,那么这道题不是轻松拿捏吗?
但是很可惜我们并没有这样一种数据结构,因此需要我们自己去实现这样一种数据接口。要实现这个数据结构也是比较简单的。
只需要保证队列是递减的即可。
对应三个操作应该是这样的:
- 弹出第一个元素:
- 如果该元素是队列的第一位,则在队列中移除第一位
- 如果该元素不是队列的第一位,则不操作
- 往队尾添加一个元素
- 如果该元素大于最后一位的值,则移除最后一位,一直循环对比,找到比该元素大的值,并且放在该元素的后面
- 如果该元素小于最后一位的值,则在末尾添加。
- 返回该队列的最大值,返回队列的头
单调队列的实现如下:
class MyDeQueue {
Deque<Integer> deque = new LinkedList<>();
//弹出元素时,比较当前要弹出的数值是否等于队列出口的数值,如果相等则弹出
//同时判断队列当前是否为空
public void poll(int val) {
if (!deque.isEmpty() && val == deque.peek()) {
deque.poll();
}
}
//添加元素时,如果要添加的元素大于入口处的元素,就将入口元素弹出
//保证队列元素单调递减
//比如此时队列元素3,1,2将要入队,比1大,所以1弹出,此时队列:3,2
public void add(int val) {
while (!deque.isEmpty() && val > deque.getLast()) {
deque.removeLast();
}
deque.add(val);
}
//队列队顶元素始终为最大值
public int peek() {
return deque.peek();
}
}
那么题目的解答也就比较简单了
class Solution {
class MyDeQueue {
Deque<Integer> deque = new LinkedList<>();
//弹出元素时,比较当前要弹出的数值是否等于队列出口的数值,如果相等则弹出
//同时判断队列当前是否为空
public void poll(int val) {
if (!deque.isEmpty() && val == deque.peek()) {
deque.poll();
}
}
//添加元素时,如果要添加的元素大于入口处的元素,就将入口元素弹出
//保证队列元素单调递减
//比如此时队列元素3,1,2将要入队,比1大,所以1弹出,此时队列:3,2
public void add(int val) {
while (!deque.isEmpty() && val > deque.getLast()) {
deque.removeLast();
}
deque.add(val);
}
//队列队顶元素始终为最大值
public int peek() {
return deque.peek();
}
}
public int[] maxSlidingWindow(int[] nums, int k) {
//有效值校验
if (nums.length==1) {
return nums;
}
if (nums.length < k) {
k = nums.length;
}
//初始化
MyDeQueue deQueue = new MyDeQueue();
int[] result = new int[nums.length - k + 1];
for (int i = 0; i < k; i++) {
deQueue.add(nums[i]);
}
result[0] = deQueue.peek();
int index = 0;
//滑动窗口
for (int i = k; i < nums.length; i++) {
deQueue.poll(nums[index]);
deQueue.add(nums[i]);
index++;
result[index]=deQueue.peek();
}
return result;
}
}
实现过程中遇到哪些困难
实现单调队列的时候是比较不能理解的,但是慢慢梳理后发现还是可以理解的。
梳理的过程使用的是工程的思维,单调队列有三个操作,那就从一个操作入手。搞定一个操作再去研究第二个操作,依次递推。也就是将大问题转化成小问题,再去解决小问题
今日收获
了解了另一种数据结构——单调队列