leetcode 239. 滑动窗口最大值

文章介绍了使用暴力法、优先队列和单调队列解决滑动窗口最大值问题的三种方法,重点讨论了优先队列和单调队列的实现,以及在处理大数据量时的效率差异。作者分享了不同解法的代码示例,并提到Java实现的三刷过程。
摘要由CSDN通过智能技术生成

2023.6.21

       第一道困难题  辛辛苦苦写了个暴力法求解,结果测试用例来了个k=50000的窗口,直接运行超时,我真人麻了。  

         不管怎么样思路还是可以的,还是附上来代码:

解法一:暴力解(leetcode的实例会超时)

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        vector<int> ans;
        //窗口大小 <= 数组大小 的情况 
        if(nums.size() <= k)
        {
            int max = INT_MIN;
            for(int i=0; i<nums.size();i++)
            {
                if(nums[i] > max) max = nums[i];
            }
            return {max};
        }

        for(int i=0; i<nums.size()-k+1; i++)
        {
            int max = INT_MIN;
            for(int j=i; j<i+k; j++)
            {
                if(nums[j] > max) max = nums[j];
            }
            ans.push_back(max);
        }
        return ans;
    }
};

解法二:优先队列-priority_queue

        优先队列指priority_queue,就是在队列的基础上增加了排序功能。内部是由堆实现的,默认是大顶堆,即最大元素排在队头。

        ps:队列里的元素不用着急删除!!!用一个索引标识它就行。

        思路很巧妙,直接看代码:

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        vector<int> ans;
        priority_queue<pair<int,int>> queue;
        for(int i=0; i<k; i++)
        {
            queue.emplace(nums[i],i);
        }

        ans.push_back(queue.top().first);

        for(int i=k; i<nums.size(); i++)
        {
            queue.emplace(nums[i],i);
            while(queue.top().second <= i-k) queue.pop();
            ans.push_back(queue.top().first);
        }
        return ans;
    }
};

  优先队列好像没法用push? 得用emplace进行插入元素。

  还有一种单调队列解法,改天再学把。


2023.6.22

        端午快乐  把单调队列啃了一遍  需要用到deque 双端队列这个数据结构 。直接上代码:

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        vector<int> ans;
        deque<int> q;

        for(int i=0; i<k; i++)
        {
            while(!q.empty() && nums[i]>q.back()) q.pop_back();
            q.push_back(nums[i]);
        }
        ans.push_back(q.front());

        for(int i=k; i<nums.size(); i++)
        {
            //每次滑动都需要有一个元素出队,判断队头元素是不是这个需要出队的元素,是的话pop掉。
            if(!q.empty() && q.front()==nums[i-k]) q.pop_front();
            //每次push一个元素之前,会从队列尾开始把所有小于这个元素的元素pop掉,直到队列为空或者遇到一个比他大的元素
            while(!q.empty() && nums[i]>q.back()) q.pop_back();
            q.push_back(nums[i]);
            //保存队头元素,也就是目前滑动窗口最大的元素
            ans.push_back(q.front());
        }
        return ans;
    }
};

        其实整体就三个大步骤,代码中我都注释出来了。核心要点在于我们只需要维护窗口中最大的那个元素,其他元素不着急删,可以放在队列里。  思想确实难,日后再来二刷。


11.15

        java三刷,代码如下:

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        int[] ans = new int[nums.length-k+1];
        PriorityQueue<int[]> que = new PriorityQueue<>(new Comparator<int[]>(){
            public int compare(int[] a1, int[] a2){
                return a1[0] != a2[0] ? a2[0]-a1[0] : a2[1]-a1[1];
            }
        });
        for(int i=0; i<k; i++){
            que.add(new int[]{nums[i],i});
        }
        ans[0] = que.peek()[0];
        for(int i=k; i<nums.length; i++){
            que.add(new int[]{nums[i],i});
            while(que.peek()[1] <= i-k) que.poll();
            ans[i-k+1] = que.peek()[0];
        }
        return ans;
    }
}

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值