【LeetCode】滑动窗口最大值

239. 滑动窗口最大值 - 力扣(LeetCode)

一、题目

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]

提示:

  • 1 <= nums.length <= 105
  • -104 <= nums[i] <= 104
  • 1 <= k <= nums.length

二、代码

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        int n = nums.length;
        // 用于标记每个窗口最大值结果的下标
        int index = 0;
        // 记录每个窗口的最大值
        int[] ans = new int[n - k + 1];
        // 窗口左边界
        int r = 0;
        // 窗口右边界
        // 其实这里也可以将窗口左边界省略掉,因为这个是固定窗口的,所以窗口左边界可以固定为r - w + 1
        int l = 0;
        // 双端队列,用于构建窗口内最大值的更新结构
        LinkedList<Integer> winMax = new LinkedList<Integer>();
        // 滑动窗口,同时维护窗口内最大值结构
        while (r < n) {
            // 判断双端队列尾部的数据是否小于等于新加入窗口的数,如果小于等于就将其从双端队列尾部弹出,因为新加入的数据比它大,并且下标还更加靠后,会更晚的离开窗口,所以这个数就永远不可能成为窗口内的最大值了,直接弹出即可
            while (!winMax.isEmpty() && nums[winMax.peekLast()] <= nums[r]) {
                winMax.pollLast();
            }
            // 将新加入窗口的数追加到双端队列尾部,这里加入双端队列的是数组下标
            winMax.addLast(r);

            // 判断是否已经可以形成大小为k的窗口
            if (r - l == k) {
                // 将左边界右移,形成大小为k的窗口
                l++;
                // 其实这里没有必要写循环,因为这个题目每次都是将窗口整体向右移动一个位置,所以就算是左边界右移,在双端队列中最多也就是一个头部数据过期,或者就是没有数据过期,用一个if语句执行一次就够了
                // 而且执行到这一步操作的时候不需要判断双端队列是不是空的,因为一定是有数据的,上面刚刚add了一个数据,所以不可能为空
                // while (!winMax.isEmpty() && winMax.peekFirst() < l) {
                //     winMax.pollFirst();
                // }

                // 左边界右移,有数据会从窗口中移除,此时判断双端队列头部的数据是否是被移出窗口的数据,也就是看它的下标是否小于l,小于1说明这个数据已经移出窗口了,直接将其从双端队列头部弹出
                if (winMax.peekFirst() < l) {
                    winMax.pollFirst();
                }
                
            }

            // 当右边界到达k-1位置的时候,就已经形成了大小为k的窗口了,这个时候就可以记录每一个窗口的最大值了,也就是当前时刻双端队列头部的数
            if (r >= k - 1) {
                ans[index++] = nums[winMax.peekFirst()];
            }
            // 右边界右移
            r++;
        }
        return ans;
    }
}

三、解题思路 

使用滑动窗口内的最大值更新结构解题,通过双端队列记录维护每一个窗口的最大值。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用\[1\],可以使用暴力解法来求解滑动窗口最大值。具体的做法是,遍历数组,对于每个窗口,使用一个内部循环来找到窗口中的最大值,并将其存储在结果数组中。时间复杂度为O(n*k),其中n为数组长度,k为窗口大小。 根据引用\[2\],还可以使用队列来求解滑动窗口最大值。具体的做法是,使用一个双端队列来维护一个单调递减的窗口。遍历数组,对于每个元素,首先判断队头是否在滑动窗口范围内,如果不在,则将其从队头移除。然后,将当前元素与队尾元素比较,如果当前元素大于队尾元素,则将队尾元素移除,直到队列为空或者当前元素小于等于队尾元素。最后,将当前元素的索引插入队尾。如果滑动窗口的元素个数达到了k个,并且始终维持在窗口中,就将队头元素加入答案数组中。时间复杂度为O(n),其中n为数组长度。 综上所述,可以使用暴力解法或者使用队列来求解leetcode滑动窗口最大值。 #### 引用[.reference_title] - *1* *3* [leetcode239. 滑动窗口最大值](https://blog.csdn.net/kkkkuuga/article/details/124829581)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Leetcode#239. 滑动窗口最大值Java解法)](https://blog.csdn.net/paranior/article/details/114890555)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值