Given an array nums, there is a sliding window of size k which is moving from the very left of the array to the very right. You can only see the k numbers in the window. Each time the sliding window moves right by one position. Return the max sliding window.
Example:
Input: nums =[1,3,-1,-3,5,3,6,7]
, and k = 3 Output:[3,3,5,5,6,7] Explanation:
Window position Max --------------- ----- [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
/* deque double end queue 队头front 队尾back
* 左 右 eg 给定{7, 5, 16, 8}, 7是最早读入的
*front end
* 7 5 16 8
*
* 本题是维护了一个单调递减的双端队列 队列中存放的是数组下标而非值(方便判断窗口的位置)
* 队列中最大的位置在队头 需要滑动时 即把队头出队并记录
* 队尾为了保证单调性 即确保队列中元素都比当前元素值大 然后当前元素对应的下标才能入队
*
*
* 我们用双向队列可以在O(N)时间内解决这题。当我们遇到新的数时,将新的数和双向队列的末尾比较,
* 如果末尾比新数小,则把末尾扔掉,直到该队列的末尾比新数大或者队列为空的时候才住手。这样,
* 我们可以保证队列里的元素是从头到尾降序的,由于队列里只有窗口内的数,所以他们其实就是窗口内第一大,
* 第二大,第三大...的数。保持队列里只有窗口内数的方法和上个解法一样,也是每来一个新的把窗口最左边的扔掉,
* 然后把新的加进去。然而由于我们在加新数的时候,已经把很多没用的数给扔了,这样队列头部的数并不一定是窗口最左边的数。
* 这里的技巧是,我们队列中存的是那个数在原数组中的下标,这样我们既可以直到这个数的值,也可以知道该数是不是窗口最左边的数。
* 这里为什么时间复杂度是O(N)呢?因为每个数只可能被操作最多两次,一次是加入队列的时候,一次是因为有别的更大数在后面,
* 所以被扔掉,或者因为出了窗口而被扔掉。
* */
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> ret;
deque<int> q;
for(int i=0;i<nums.size();i++){
// 队列头部的数并不一定是窗口最左边的数 记队头下标为f i-f=k 时代表窗口拓展了
if(q.front() == i - k) q.pop_front();
// 确保插入新元素后 队列仍未单调递减
while(!q.empty() && nums[q.back()] < nums[i]) q.pop_back();
q.push_back(i);
// 减1原因是i从0开始
// 7 3 4 5 6 7 8
// x x x 则从4所在的位置开始要记录(此时第一次拥有完整的窗口)
if(i >= k-1) ret.push_back(nums[q.front()]);
}
return ret;
}
};