1、最小栈
题目描述:
示例:
输入:
[“MinStack”,“push”,“push”,“push”,“getMin”,“pop”,“top”,“getMin”]
[[],[-2],[0],[-3],[],[],[],[]]
输出:
[null,null,null,null,-3,null,0,-2]
解释:
MinStack minStack = new MinStack();
minStack.push(-2);
minStack.push(0);
minStack.push(-3);
minStack.getMin(); --> 返回 -3.
minStack.pop();
minStack.top(); --> 返回 0.
minStack.getMin(); --> 返回 -2.
说明:
pop、top 和 getMin 操作总是在非空栈上调用。
解题思路:
创建两个栈,一个栈q完成正常的插入删除操作,另外一个栈min_st存栈的最小值,其栈顶就是当前st中所有数据的最小值。
插入数据:
- st直接插入。
- max_st如果为空也是直接插入,不空的话把插入数据和其栈顶数据比较,如果小于等于栈顶数据就插入,大于就不插入。
删除数据:
- st直接删除。
- 如果st的栈顶数据等于min_st的栈顶数据,那么min_st也出栈,否则不出栈。
完整代码:
class MinStack {
private:
stack<int>st; // 用来存储栈元素
stack<int>min_st; // 用来存储栈最小元素
public:
MinStack()
{}
void push(int val)
{
st.push(val);
// 如果min_st为空或者val小于等于min_st栈顶元素min_st都要入栈,来记录当前最小元素
if(min_st.empty() || val<=min_st.top())
{
min_st.push(val);
}
}
void pop()
{
// 如果st的栈顶等于min_st栈顶,两者都要出栈
if(st.top() == min_st.top())
{
min_st.pop();
}
st.pop();
}
int top()
{
return st.top();
}
int getMin()
{
return min_st.top();
}
};
性能分析:
- 时间复杂度:O(1)。各个操作都一次完成。
- 空间复杂度:O(n)。用到了两个栈,每个栈最多都插入n次。
2、剑指 Offer 59 - II. 队列的最大值
题目描述:
示例1:
输入:
[“MaxQueue”,“push_back”,“push_back”,“max_value”,“pop_front”,“max_value”]
[[],[1],[2],[],[],[]]
输出: [null,null,null,2,1,2]
示例2:
输入:
[“MaxQueue”,“pop_front”,“max_value”]
[[],[],[]]
输出: [null,-1,-1]
限制:
- 1 <= push_back,pop_front,max_value的总操作数 <= 10000
- 1 <= value <= 10^5
解题思路:
创建一个队列q,原来完成基本的队列操作。再创建一个双端队列max_dq存队列的最大值,其队头数据就是当前q队列的最大值。
入队列:
- q直接入队列
- max_dq为空也是直接入队列。不为空的话,考虑到队列是头出尾进,现在这个值已经入了队列q的尾部
- 如果该值大于max_dq.front(),那它就是q中所有数据的最大值。这时我们清空max_dq的内容,并把值插入到max_dq,更新队列的最大值。
- 如果该值小于max_dq.front(),即该值比未入队列q前的原来数据的最大值还小,但它可能是原来数据全出队列后的最大值,所以我们要考虑把他插入到max_dq的尾部,即从max_dq尾部排除其他小于该值的数据后尾插该值。
出队列:
- q的话直接出队列。
- max_dq,比较q.front()是否等于max_dq.front(),相等的话max_dq就出,否则不出。
完整代码:
class MaxQueue {
private:
queue<int> q;// 普通的队列
deque<int> max_dq;// 存放最大值的双端队列
public:
MaxQueue()
{}
int max_value()
{
return max_dq.size()==0?-1:max_dq.front();
}
void push_back(int value)
{
q.push(value);
if(value > max_dq.front())
{
max_dq.clear();
max_dq.push_back(value);
}
else
{
while(!max_dq.empty() && (max_dq.back()<value))
{
max_dq.pop_back();
}
max_dq.push_back(value);
}
}
int pop_front()
{
if(q.empty())
{
return -1;
}
if(q.front() == max_dq.front())
{
max_dq.pop_front();
}
int ret=q.front();
q.pop();
return ret;
}
};
性能分析:
- 时间复杂度:O(1)。虽然插入操作中有循环,但每个元素只会入队列一次、出队列一次,循环中的出队列次数均摊到入队列,肯定不会大于N次,所以最后平均下来就是O(1)。
- 空间复杂度:O(n)。用到两个队列,每个最多插入n个元素。
3、设计循环队列
题目描述:
示例:
提示:
- 所有的值都在 0 至 1000 的范围内;
- 操作数将在 1 至 1000 的范围内;
- 请不要使用内置的队列库。
解题思路:
循环队列就是指定空间大小,并能充分利用这些空间来实现队列基本功能的队列。既要求非动态又要满足队列的基本功能,我们可以考虑使用数组作为底层容器,因为它可以快速进行随机访问。
1.循环方法
我们构造两个整型变量head和tail分别指向队头和队尾的下标
- 入队列的话就是在tail位置处赋值,完成后tail往后移动一个位置。
- 出队列的话head往后移动一个位置即可。
但因为要满足循环,即head或tail如果在数组最后一个位置,再往后移动就是回到下标为0处,而不能直接+1。通常我们会想特殊判断并处理最后一个位置处的后移。其实没必要,后移只需:(当前下标 + 1)%数组长度。
2.容量问题
假设要求循环队列长度为k,那么我们应该给数组开多大空间呢?首先开k个是不行的,这样不能很好的区分队列是空还是满。
既然问题在于判空和判满的条件冲突了,那我们就开k+1个空间的数据。这时判空的条件依然是head == tail,判满的条件为:(tail+1)%(k+1) == head。
完整代码:
class MyCircularQueue
{
private:
vector<int> _q;// 队列主体
int _allSize;// 记录队列总长度
int _head;
int _tail;
public:
MyCircularQueue(int k)
:_q(k+1)
,_allSize(k+1)
,_head(0)
,_tail(0)
{}
bool enQueue(int value)
{
if(isFull())
{
return false;
}
_q[_tail] = value;
_tail = (_tail+1)%_allSize;
return true;
}
bool deQueue()
{
if(isEmpty())
{
return false;
}
_head = (_head+1)%_allSize;
return true;
}
int Front()
{
if(isEmpty())
{
return -1;
}
return _q[_head];
}
int Rear()
{
if(isEmpty())
{
return -1;
}
int prevTail = _tail - 1;
if(!(_tail))
{
prevTail = _allSize - 1;
}
return _q[prevTail];
}
bool isEmpty()
{
return _head == _tail;
}
bool isFull()
{
return (_tail + 1)%_allSize == _head;
}
};
性能分析:
- 时间复杂度:O(1)。每一个步骤都可以在常数时间内完成。
- 空间复杂度:O(n)。n是队列的预分配容量。循环队列的整个生命周期中,都持有该预分配的空间。
4、LRU 缓存机制
题目描述:
示例:
说明:
解题思路:
下面讨论在 O(1) 时间复杂度内完成这两种操作的方法。
首先元素类型是pair键值对,为了达到O(1)的插入删除我们选择用list来存储这些键值对:
- list<pair<int, int>> _LRUList;
为了达到O(1)的查找效率,考虑用哈希表来存键值对:
- unordered_map<int, pair<int, int>> _um;
说明一下,上面定义的结构是达不到O(1)的执行效率的,原因如下:
既然问题出在调整链表中节点顺序的时间复杂度不够,即不能快速定位到关键字为key的节点在哪,可以考虑让哈希表_um的second存储关键字为key的节点的迭代器,这样通过_um可以快速搜索到对应节点,即可以方便调整链表中节点的位置,也可以通过节点拿到key对应的value。
确定好结构之后,只需解决put()和get()两种操作的实现:
1、int get(int key)
如果关键字 key 存在于缓存中,则返回关键字的值,否则返回 -1
- 通过_um查找key,找到的话要返回value并更新链表中key节点为最近使用的,这里可以通过splice()接口把节点转移到链表最后位置。
- 找不到的话返回-1。
int get(int key)
{
auto it = _um.find(key);
if(it != _um.end())
{
_LRUList.splice(_LRUList.end(), _LRUList, it->second);
return it->second->second;
}
else
{
return -1;
}
}
2、void put(int key, int value)
- 通过_um查找key,如果key不存在,插入键值对并在链表中更新key为最近使用的。注意如果容量满了,还要删除最久未使用的。
- 如果key存在,更新其value并把key置为最近使用的。
void put(int key, int value)
{
auto it = _um.find(key);
if(it != _um.end())
{
it->second->second = value;
_LRUList.splice(_LRUList.end(), _LRUList, it->second);
}
else
{
if(_LRUList.size() == _capacity)
{
_um.erase(_LRUList.begin()->first);
_LRUList.erase(_LRUList.begin());
}
_LRUList.push_back(make_pair(key, value));
_um[key] = --_LRUList.end();
}
}
完整代码:
class LRUCache
{
private:
size_t _capacity;
list<pair<int, int>> _LRUList;
unordered_map<int, list<pair<int, int>>::iterator> _um;
public:
LRUCache(int capacity)
:_capacity(capacity)
{}
int get(int key)
{
auto it = _um.find(key);
if(it != _um.end())
{
_LRUList.splice(_LRUList.end(), _LRUList, it->second);
return it->second->second;
}
else
{
return -1;
}
}
void put(int key, int value)
{
auto it = _um.find(key);
if(it != _um.end())
{
it->second->second = value;
_LRUList.splice(_LRUList.end(), _LRUList, it->second);
}
else
{
if(_LRUList.size() == _capacity)
{
_um.erase(_LRUList.begin()->first);
_LRUList.erase(_LRUList.begin());
}
_LRUList.push_back(make_pair(key, value));
_um[key] = --_LRUList.end();
}
}
};
性能分析:
- 时间复杂度:对于 put 和 get 都是 O(1)。
- 空间复杂度:O(capacity)。因为哈希表和双向链表最多存储capacity个元素。