代码随想录算法训练营第十三天｜239.滑动窗口最大值、347.前k个高频元素-CSDN博客

本文链接：https://blog.csdn.net/ilovexuanbao/article/details/132157904

239.滑动窗口最大值

思路

单调队列的经典应用，题目要求的是有一个k个大小的滑动窗口。要求每次求出来滑动窗口里的最大值，那么问题来了，如何求出来滑动窗口里面的最大值呢？有一个暴力解法，即每次都把滑动窗口遍历一次，然后求出来最大值，然后滑动窗口移动一位，再把滑动窗口遍历一次，可以是可以，但是时间复杂度为o（n*k）时间复杂度很高，这时候又想到，大根堆具有把数组中的最大值放在首位的优秀性质，但是使用大根堆又会出现一个问题，那就是大根堆会调整滑动窗口各个元素的位置，每次是求出来最大值了，但是每次出队的元素就错掉了，只有第一次能求对，后面都错了，因为出队出错元素了，那么该怎么办，可以把大根堆的优秀性质借鉴过来，去除其不满足题意的点，那是什么呢？即要保证每次最大的元素在队首，并且队列位置不可以变，增加判断条件，确定队首元素是否出队，怎么做？即先构建第一个滑动窗口，具体操作为，一个元素一个元素的入队，如果碰到一个元素比前面入队的元素都要大，那么前面的元素都出队（每次入队的时候和队尾元素比较，比队尾元素小，直接入队，比队尾元素大，就一直从队尾出队，直到该元素比队尾元素小或者队空，然后让该元素入队），这样就保证了队列是重大到小排序的单调队列，最大元素在队首，然后就是出队条件判断，怎么保证每次出队的元素是正确的，即出队的时候判断一下窗口移除的元素是否等于队首的元素，如果等于，那么出队，如果不等于，不操作（因为之前保证最大元素在队首的时候已经把这些元素出队了）

代码实现

class Solution {

private:

class MyQueue{

public:

deque<int> que;

void pop(int value){

if(!que.empty()&&value==que.front()){

que.pop_front();// que是一个双端队列

}

}

void push(int value){

while(!que.empty()&&value>que.back()){

que.pop_back();

}

que.push_back(value);

}

int front(){

return que.front();

}

};

public:

vector<int> maxSlidingWindow(vector<int>& nums, int k) {

MyQueue que;

vector<int> result;

for(int i=0;i<k;i++){

que.push(nums[i]);

}

result.push_back(que.front());//result记录前k个元素的最大值

for(int i=k;i<nums.size();i++){

que.pop(nums[i-k]);//滑动窗口移除最前面的元素 

que.push(nums[i]);

result.push_back(que.front());

}

时空复杂度

时间复杂度o（n）空间复杂度o(k)

347.前k个高频元素

347.前k个高频严肃

代码随想录(programmercral.com)

优先级队列正式登场！大顶堆、小顶堆该怎么用？| LeetCode：347.前 K 个高频元素

思路

哈希表与小根堆的混合双打，首先可以用哈希表map的key统计元素值，value统计出现频率，然后对哈希表中的所有value进行排序，如果使用快排，时间复杂度为o（nlogn）时间开销有些大，这时候就轮到小根堆登场了，既然求的是出现频率最高k个元素，那么为啥不使用大根堆（使用大根堆每次往里面push元素的时候就把堆顶元素弹出去了，而堆顶元素是这时候出现频率最高的元素，所以不好用，要使用大根堆实现只能把所有元素都构建成一个堆，然后依次弹出堆顶元素），使用小根堆，每次弹出堆里最小的元素，一直维护这个只有k个元素的小根堆，直到遍历完map，这时候小根堆剩下的就是出现频率最高的k个元素，顺序是乱序的。

代码实习

class Solution {

public:

// 小顶堆

class mycomparison {

public:

bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {

return lhs.second > rhs.second;

}

};

vector<int> topKFrequent(vector<int>& nums, int k) {

// 要统计元素出现频率

unordered_map<int, int> map; // map<nums[i],对应出现的次数>

for (int i = 0; i < nums.size(); i++) {

map[nums[i]]++;

}

// 对频率排序

// 定义一个小顶堆，大小为k

priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;

// 用固定大小为k的小顶堆，扫面所有频率的数值

for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {

pri_que.push(*it);

if (pri_que.size() > k) { // 如果堆的大小大于了K，则队列弹出，保证堆的大小一直为k

pri_que.pop();

}

}

// 找出前K个高频元素，因为小顶堆先弹出的是最小的，所以倒序来输出到数组

vector<int> result(k);

for (int i = k - 1; i >= 0; i--) {

result[i] = pri_que.top().first;

pri_que.pop();

}

return result;



}

};