滑动窗口
在一个数组中,滑动窗口就是一对左右边界。规定L表示左边界,R表示右边界。滑动窗口要始终遵守规定:1. L永远不能超过R;2. L和R永远只能在数组的有效范围内;3. L和R每次都只能移动一个单位;4.每次只能选择L移动或者R移动。
滑动窗口算法是为了能以O(N)
的时间复杂度找出当前窗口中的最大值(最小值),如果用最暴力的方法就是遍历当前窗口。
手动算法原理
滑动窗口算法是通过双端队列实现的。 并且双端队列里存储的是数组元素的下标,这样不仅能记录值,还能记录该值在哪里。假设我们要找的是滑动窗口中的最大值。需要明白:当我们决定让R向右移动,那么就意味着窗口会吸纳进新的元素;当我们决定让L向右移动,那么就意味着窗口会剔除一个元素。
- 当R向右移动时,新元素的值和队尾元素比较,若新元素>队尾元素,则队尾元素出队列,并再也不用管它了,要一直弹出队尾元素直到某个元素严格大于新元素或者是队空。也就是说:
双端队列从头到尾必须保证严格递减,如果是要找窗口的最小值,那么双端队列里应该严格单调递增
- 当L向右移动时, 排除的那个元素如果是双端队列的头部元素,那就将该头部元素出队;如果不是双端队列头部,那就不用管。
在这样的处理下,总能保证双端队列的头部元素就是当前窗口的最值,并且整个算法的时间复杂度为O(n)
为什么R向右移动,双端队列弹出的元素不用再管了?
当前元素要入队时,会从双端队列尾部依次弹出小于等于当前元素的元素,被弹出的元素不可能再做窗口某个状态下的最大值了。因为新进来的元素不仅比被弹出的元素靠后,而且值还更大,窗口只会向右移动,所以被弹出的元素不可能再做最大值了。只要当前元素包含在窗口中,那么被它弹出的元素不可能是最大值;如果当前元素已经不在窗口内了,被它弹出的元素肯定更早之前就不在窗口内了。
算法实现
public class SlidingWindow {
private int L;
private int R;
private int[] arr;
LinkedList<Integer> queen; // 这里存的是元素下标
public SlidingWindow(){}
public SlidingWindow(int[] arr) {
this.L = -1;
this.R = 0;
this.arr = arr;
this.queen = new LinkedList<>();
}
// R 向右移动
public void addItemFromRight(){
if (this.R == arr.length)
return;
while (!queen.isEmpty() && arr[queen.peekLast()] <= arr[R])
queen.pollLast();
queen.addLast(R++);
}
// L 向右移动
public void delItemFromLeft(){
L++;
if (L == arr.length)
return;
if (L == queen.peekFirst())
queen.pollFirst();
}
// 获取当前窗口的最大值
public Integer getCurMax(){
if (!queen.isEmpty())
return arr[queen.peekFirst()];
return null;
}
}