代码随想录算法训练营day13|栈和队列

• 239. 滑动窗口最大值
  暴力算法：数组从前到后遍历，下标每次移动都比较一次窗口内的所有元素得出最大值，时间复杂度显然为n*k。
• 很显然，用暴力来做这道题目显然是不符合困难的难度。虽然这题被编排在了栈和队列的章节里面，但是我实在是没有头绪。
• 看了代码随想录提供的思路以及carl视频所说的单调列表的思想，对这题有了初步的了解。由于鄙人数据结构的基础并不是很好，在视频中提到的大顶堆和小顶堆我还特意看了两个视频补了一下课，大顶堆和小顶堆的方法会改变窗口内数组的顺序，因此窗口滑动的时候难以进行窗口内数据的移除。
• 单调队列的思想，就是要始终保持窗口内最大的元素在队头，同时不能改变元素的顺序。在个人的理解中，其实就是将不可能作为滑动窗口中最大值的数提前出队。比如，在本题的示例1中，1是第一个入队的元素，当3将要入队的时候，因为3比1大，因此在3入队后1不可能作为最大值，所以为了让滑动窗口的最大值始终在队头，元素1提前出队。此时，并没有改变原来数组的排列顺序，只是我们让不可能作为最大值输出的数提前出队而已，3依然在5入队的时候弹出。那么代码的逻辑已经很清晰了，元素入队时弹出前面所有小于它的数，每次需要得到滑动窗口最大值时则获取队头的元素，由于我们为了让最大值始终保持在队头，提前弹出了较小的元素，因此不是每次滑动窗口移动时，队列中的队头都要弹出，而是应该队列满了再进行队头元素的弹出。

  class MyQueue{
      Deque<Integer> deque=new LinkedList<>();
      void add(int val){
          while(!deque.isEmpty()&&val>deque.getLast())
              deque.removeLast();
          deque.addLast(val);
      }
      void pop(int val){
          if(!deque.isEmpty()&&val==peek())
              deque.poll();
      }
      int peek(){
          return deque.peek();
      }
  }
  class Solution {
      public int[] maxSlidingWindow(int[] nums, int k) {
          
          MyQueue queue=new MyQueue();//创建自定义的单调列表
          //先把窗口填满
          for(int i=0;i<k;i++){
              queue.add(nums[i]);
          }
          int[] result=new int[nums.length-k+1];
          //开始进行窗口的移动以及填充最大值数组
         
          int num=0;
          result[num++]=queue.peek();
          for(int i=k;i<nums.length;i++){
              //窗口滑动，队头元素弹出
              queue.pop(nums[i-k]);
              //窗口滑动，插入队尾元素
              queue.add(nums[i]);
              //记录新窗口中最大元素
              result[num++]=queue.peek();
          }
          return result;
      }
      
  }

• 347.前 K 个高频元素
  第一步，要先用hashmap将元素和出现的次数记录下来。
  第二步就是要求出hashmap中前k个最大value。
  可以将hashmap中的value进行排序后，再用getKey方法进行记录，此时的时间复杂度应该为快速排序的时间复杂度n*logn。但是这样的时间复杂度不满足题目中对时间复杂度的要求
• 更优的解法应该是采用大顶堆或者小顶堆的方法，大顶堆的数据结构完全符合题目的需求，大顶堆中，栈顶一直是堆中元素的最大值，用value构造大顶堆，只需要弹出堆顶元素k次即可，由于大顶堆的数据结构为二叉树，每次弹出后重新形成大顶堆的时间复杂度为logn，因此最终的时间复杂度为klogn。

• class Solution {
      public int[] topKFrequent(int[] nums, int k) { 
          Map<Integer,Integer> map=new HashMap<Integer,Integer>();
          //遍历数组构造map
          for(int i=0;i<nums.length;i++){
              map.put(nums[i],map.getOrDefault(nums[i],0)+1);
          }
  		//构造大根堆	
  		PriorityQueue<int[]>pq=new PriorityQueue<>((pair1,pair2)->pair2[1]-pair1[1] );
  
  		for (Map.Entry<Integer, Integer> entry: map.entrySet() ) {
  			pq.add(new int[]{entry.getKey(),entry.getValue()});
  		}
  		
  		int[] ans=new int[k];
  		//大根堆依次弹出前k个最大元素
  		for(int i=0;i<ans.length;i++)
  			ans[i]=pq.poll()[0];
  		return ans;
          
      }
  }