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]
示例 3:
输入:nums = [1,-1], k = 1
输出:[1,-1]
示例 4:
输入:nums = [9,11], k = 2
输出:[11]
示例 5:
输入:nums = [4,-2], k = 2
输出:[4]
提示:
1 <= nums.length <= 105
-104 <= nums[i] <= 104
1 <= k <= nums.length
分析:
此题最简单的方法是,对于每个滑动窗口而言,遍历其中的每一个元素,找出最大值。这种做法的时间复杂度是O(nk),但是会超出时间限制。
于是想到的一种优化方法是利用优先队列,利用大根堆的性质,堆顶总是队列中最大的元素。但此时有一个问题,就是滑动窗口在移动的过程中会删除元素,而优先队列却难以删除某个特定的元素。所以我采用了哈希表来记录当前时刻队列中各元素的数量,对于栈顶的元素,如果在哈希表中的数量为0,那么说明其不在此时的滑动窗口中,那么我们可以将其pop掉,直到当前堆顶的元素在哈希表中有记录。
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int n = nums.size();
priority_queue<int> pq;
unordered_map<int, int> m;
vector<int> ans;
for(int i = 0; i < n; i++){
pq.push(nums[i]);
m[nums[i]]++;
if(i >= k - 1){
if(i >= k) m[nums[i - k]]--;
while(m[pq.top()] == 0) pq.pop();
ans.push_back(pq.top());
}
}
return ans;
}
};
但实际上,此种优化方法的成效有限,其时间复杂度为O(nlogn)。题解里有另一种更理想的优化方法:单调队列。
如果我们只是在增加元素的同时更新最大值,那是很简单的。但问题是我们同时需要不断地删除元素。那该怎么做呢?
我们基于这样一个事实:在当前的滑动窗口中,取任意两个坐标分别为i,j(i < j),如果nums[i] <= nums[j],我们此窗口中的最大值将一直是nums[j]。换成人话讲,就是说如果一个队伍中有人比你高,那么矮的人在竞选“最高者”时将永无出头之日。所以我们的滑动窗口在吸纳新成员时,如果发现前面的成员比当前成员矮,那么我们可以将这些较矮的同胞们无情地踢出去。这样做的结果是我们会得到一个单调递减的队列。不信?我们可以采用反证法来证明一下:如果说该队列并非单调递减,那么一定存在i,j(i < j),且nums[i] >= nums[j]。而按照我们吸纳成员的“策略”,我们应该已经将i位置的成员移除了,所以这与我们的政策相矛盾。则我们得到的结果的确是一个单调递减的队列。
这种算法的时间复杂度为O(n),显然要优于上面的算法。同时因为算法的实现过程需要我们不断地在队首队尾删除元素,此处采用了“双端队列”的数据结构,方便我们操作。
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int n = nums.size();
deque<int> q;
for(int i = 0; i < k; i++){
while(!q.empty() && nums[i] >= nums[q.back()])
q.pop_back();
q.push_back(i);
}
vector<int> ans = {nums[q.front()]};
for(int i = k; i < n; i++){
while(!q.empty() && nums[i] >= nums[q.back()])
q.pop_back();
q.push_back(i);
while(q.front() <= i - k){
q.pop_front();
}
ans.push_back(nums[q.front()]);
}
return ans;
}
};