239.滑动窗口最大值
题目链接/文章讲解/视频讲解:代码随想录
解题思路
首先我们想到的肯定是暴力解法,但这样会超时,其次可能想到的是大顶堆,但这样我们每次弹出的只是最大值,加入和移除别的元素并不好操作,因此我们只需要利用单调队列来完成这道题即可,我们的队列只需要三个操作就可以保证单调,我们并不需要维护所有的元素,我们只需要维护可能成为最大值的元素,因此我们push进来元素时,要将单调队列入口处所有比它小的都弹出,而pop函数只需要当我们弹出的是最大值时,才操作,否则不操作,最后就是获取最大值函数,也就是我们已经维护好的最大的元素,队列的front
class Solution {
private:
class Myque{
public:
deque<int> que; //双向队列,栈和队列底层都是用这个实现的
void pop(int val)
{
//每次移除一个元素,只有当这个元素移除的最大值时,才移除
if(!que.empty()&&val==que.front())
{
que.pop_front();
}
}
void push(int val)
{
//每次push元素进来时,和入口处的元素比较,确保他前面没有比它小的元素,这是形成单调队列的重要因素
while(!que.empty()&&val>que.back())
{
que.pop_back();
}
que.push_back(val);
}
int front()
{
return que.front(); //队列的出口第一个元素就是最大值
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
Myque que;
vector<int> result;
for(int i=0;i<k;i++) //窗口初始化
{
que.push(nums[i]);
}
result.push_back(que.front()); //将第一个窗口最大值放入
for(int i=k;i<nums.size();i++)
{
que.pop(nums[i-k]); //每次弹出窗口最后一个元素,如果是最大值就弹出
que.push(nums[i]);
result.push_back(que.front());
}
return result;
}
};
时间复杂度;O(n)
空间复杂度:O(k)
总结
这题利用的就是一个单调队列的操作,我们弄懂单调队列的逻辑即可,只需要去维护最大值就可以了,对于类似于滑动窗口的最大值(小)值这类问题,可以想到单调队列这种方法
347.前 K 个高频元素
题目链接/文章讲解/视频讲解: 代码随想录
解题思路
这题我们需要解决三个问题,一个是统计元素出现的频率,利用hashmap即可,第二个对频率排序,我们可以使用优先队列(本质是堆实现的),最后是找出前k个高频,那我们应该用的是小顶堆(父节点必定小于子节点),这样我们维护的是最小的元素,每次弹出的栈顶的也就是最小的元素,保留了最大的,也就是我们需要的
class Solution {
//小顶堆比较函数,重载仿函数
class Mycomparator{
public:
bool operator()(const pair<int,int>& lhs,const pair<int,int>& rhs){
return lhs.second>rhs.second; //左大于右才是小顶堆,因为根节点要大于插入节点的话就进行交换操作
}
};
public:
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> map;
for(int i=0;i<nums.size();i++)
map[ nums[i] ]++;
//利用比较函数创建优先级队列,第一个是装的元素,第二个实现的容器,这里是vector,deque也可以,第三个比较函数
priority_queue<pair<int,int>,vector<pair<int,int>>,Mycomparator> pri_que;
//固定大小为k的小顶堆,对map中每一个元素的值进行扫描,找出最大的三个频率
//遍历hashmap的写法(记一下)
for(unordered_map<int,int>::iterator it= map.begin();it!=map.end();it++)
{
pri_que.push(*it); //添加的是it的一个指针
if(pri_que.size()>k)
pri_que.pop();
}
vector<int> result(k,0);
//倒序输出小顶堆
for(int i=k-1;i>=0;i--)
{
result[i] = pri_que.top().first; //这里用点是因为这是一组数据而非一个find找到的指针
pri_que.pop();
}
return result;
}
};
时间复杂度:O(nlogk)
空间复杂度:O(n)
总结
基本的注意事项我都写在注释中了,这边主要还是要理解一下思路,优先级队列的思路
收获
今天依旧在旅游,质量堪忧,继续加油