【前端算法系列】队列queue

933.最近的请求次数

• 有新请求就入队，3000ms前发出的请求出队
• 队列的长度就是最近请求次数

/** 时间复杂度：O(n) while循环体 n为踢出对的请求个数
 *  空间复杂度：O(n) 定义了一个数组，n为队列的长度
 */
var RecentCounter = function() {
    this.q = []
};
RecentCounter.prototype.ping = function(t) {
    // 新请求入队
    this.q.push(t)
    // 把不在时间范围内的老请求出队
    while(this.q[0]<t-3000){
        this.q.shift()
    }
    return this.q.length
};

数据流中的第K大元素

int k = 3;
int[] arr = [4,5,8,2];
KthLargest kthLargest = new KthLargest(3, arr);
kthLargest.add(3); // returns 4
kthLargest.add(5); // returns 5

思路：
方法1：保存前K个最大的值；全部排序
方法2：优先队列，每次把最大的放在最上面，或把最小的放在最上面
小顶堆：把最小的放根结点，所以要保证元素个数等于K（意思是这个堆的个数为K个，最顶的是最小的，遍历数组的元素，如果有比它小的就不用进来排队了，如果比它大，就把最小的踢掉，剩下的元素重新调整log2^k）

239.滑动窗口最大值

输入: nums = [1,3,-1,-3,5,3,6,7], 和 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

所有的滑动窗口题用队列去处理

• 方法1：暴力求解，枚举窗口的起点位置，起点开始到len-k的最大值，写两个嵌套循环O(n*K)

const maxSlidingWindow = function (nums, k) {
    const len = nums.length
    const res = []
    let left = 0, right = k-1
    // 当数组没有被遍历完时，执行循环体内的逻辑
    while(right < len){
        const max = calMax(nums, left, right)
        res.push(max)
        // 左右指针前进一步
        left++
        right++
    }
    return res
}
function calMax(arr, left, right){
    if (!arr || !arr.length) return
    // 初始化为第一个元素
    let maxNum = arr[left] 
    for(let i = left; i<=right; i++){
        // 谁比我大，我就变成谁
        if(arr[i] > maxNum) maxNum = arr[i]
    }
    return maxNum
}
console.log(maxSlidingWindow([1,3,-1,-3,5,3,6,7], 3))

上述通过遍历来更新最大值产生了K

• 方法2：线性队列，O(n+k)即O(n)一次解决
  1）设置一个双端队列，存储nums的下标
  2）遍历每个元素，拿元素跟双端队列里的队尾做比较（双端队列：比我小的都踢出去）
  当前元素小于队尾，就直接入队，否则，将队尾元素逐个出队，直到队尾元素大于等于当前元素为止（比如，窗口移到2 3 4位置，5进来的时候，要跟窗口其他数对比，只要比5小，都可以从这个栈弹出）
  3）检查队头元素，看队头元素是否已经被排除在滑动窗口的范围之外了（即队头小于i-k）。如果是，则将队头元素出队
  4）判断滑动窗口状态，被遍历的元素个数小于K，表示还不能动结果数组，只能继续更新队列；如果大于等于k，表示最大值已经出现，队头元素就是最大值

const maxSlidingWindow = function (nums, k) {
  // 缓存数组的长度
  const len = nums.length;
  // 初始化结果数组
  const res = [];
  // 初始化双端队列
  const deque = [];
  // 开始遍历数组
  for (let i = 0; i < len; i++) {
    // 当队尾元素小于当前元素时
    while (deque.length && nums[deque[deque.length - 1]] < nums[i]) {
      // 将队尾元素（索引）不断出队，直至队尾元素大于等于当前元素
      deque.pop();
    }
    // 入队当前元素索引（注意是索引）
    deque.push(i);
    // 当队头元素的索引已经被排除在滑动窗口之外时
    while (deque.length && deque[0] <= i - k) {
      // 将队头元素索引出队
      deque.shift();
    }
    // 判断滑动窗口的状态，只有在被遍历的元素个数大于 k 的时候，才更新结果数组
    if (i >= k - 1) {
      res.push(nums[deque[0]]);
    }
  }
  // 返回结果数组
  return res;
}

设计循环队列

循环队列是一种线性数据结构，其操作表现基于 FIFO（先进先出）原则并且队尾被连接在队首之后以形成一个循环。它也被称为“环形缓冲器”
循环队列的一个好处是我们可以利用这个队列之前用过的空间。在一个普通队列里，一旦一个队列满了，我们就不能插入下一个元素，即使在队列前面仍有空间。但是使用循环队列，我们能使用这些空间去存储新的值。
循环队列可以高效利用存储空间，普通队列需要很大的存储空间，存储空间会往上跑，循环队列可以避免这个问题。

你的实现应该支持如下操作：
MyCircularQueue(k): 构造器，设置队列长度为 k 。
Front: 从队首获取元素。如果队列为空，返回 -1 。
Rear: 获取队尾元素。如果队列为空，返回 -1 。
enQueue(value): 向循环队列插入一个元素。如果成功插入则返回真。
deQueue(): 从循环队列中删除一个元素。如果成功删除则返回真。
isEmpty(): 检查循环队列是否为空。
isFull(): 检查循环队列是否已满。

class MyCircularQueue{
    constructor(k) {
        // 用来保存数据长度为k的数据结构
        this.list = Array(k)
        // 队首指针
        this.front = 0
        // 队尾的指针
        this.rear = 0
        // 队列的长度
        this.max = k
    }
    // 入队：rear指针指向哪里，哪里就可以入队，且rear指针+1
    enQueue(num) {
        if (this.isFull()) {
            return false
        } else {
            this.list[this.rear] = num
            // 指针向后移动
            this.rear = (this.rear + 1) % this.max
            return true
        }
    }
    // 出队：front指针指向谁，谁就出队，且front指针+1
    deQueue() {
        let v = this.list[this.front]
        this.list[this.front] = ''
        console.log('front----->'+this.front)
        // front指针往后移动
        this.front = (this.front + 1) % this.max
        console.log('front222----->'+this.front)
        return v
    }
    isEmpty() {
        return this.front === this.rear && !this.list[this.front]
    }
    isFull() {
        return this.front === this.rear && !!this.list[this.front]
    }
    Front() {
        return this.list[this.front]
    }
    rear() {
        let rear = this.rear - 1
        return this.list[rear < 0 ? this.max - 1 : rear]
    }
}
const cQueue = new MyCircularQueue(5); // 设置长度为 3
cQueue.enQueue(1);  // 返回 true
cQueue.enQueue(2);  // 返回 true
cQueue.enQueue(3);  // 返回 true
cQueue.enQueue(4);  // 返回 false，队列已满
// cQueue.rear();  // 返回 3
// cQueue.isFull();  // 返回 true
cQueue.deQueue();  // 返回 true
cQueue.deQueue();  // 返回 true
cQueue.deQueue();  // 返回 true
// cQueue.enQueue(4);  // 返回 true
// cQueue.rear();  // 返回 4
console.log(cQueue)

任务调度器

给定一个用字符数组表示的 CPU 需要执行的任务列表。其中包含使用大写的 A - Z 字母表示的26 种不同种类的任务。任务可以以任意顺序执行，并且每个任务都可以在 1 个单位时间内执行完。CPU 在任何一个单位时间内都可以执行一个任务，或者在待命状态。

然而，两个相同种类的任务之间必须有长度为 n 的冷却时间，因此至少有连续 n 个单位时间内 CPU 在执行不同的任务，或者在待命状态。

你需要计算完成所有任务所需要的最短时间。
示例 ：

输入：tasks = [“A”,“A”,“A”,“B”,“B”,“B”], n = 2
输出：8
解释：A -> B -> (待命) -> A -> B -> (待命) -> A -> B.
在本示例中，两个相同类型任务之间必须间隔长度为 n = 2 的冷却时间，而执行一个任务只需要一个单位时间，所以中间出现了（待命）状态。

思路：任务清单keys [‘A’,‘B’] 是用来遍历循环，拿到当前数量最多的任务，然后个push到临时队列tmp中，临时队列只能放到n+1个（3个）任务，不够放的就用’-'来补齐（做到两个相同类型任务之间必须长度为n）。执行完一个临时队列tmp后，再循环判断还有没有任务清单keys，有的话继续前面的动作，直到keys[0]=undefined为止

步骤：
1）先记录每类任务的数量 Q:{A:3, B:3}
2）max记录最多数量的先执行，先被push到临时任务队列tmp中，这个tmp就是AB-AB-AB（不够n+1个的往里面补"-"）

• 获取任务清单keys（[‘A’,‘B’]），遍历任务清单找到数量最多的key，拿到数量最多的A先push到临时队列tmp中，表示执行这个队列，所以得把Q中A的数量减一，从任务清单keys清除A
• 这个临时队列容量为n+1，所以能被循环小于n次，执行完一个临时队列后，把临时队列累加给p, 再去循环执行下一个临时队列
  

const leastInterval = (tasks, n) => {
    // 表示最终队列执行的结果
    let q = ''
    // 对归类进行存储
    let Q = {}
    tasks.forEach(item => {
        if (Q[item]) {
            Q[item]++
        } else {
            Q[item] = 1
        }
    });
    // 队列中还有任务就要循环，为什么为1，是因为效率问题，不要一直判断对象Q是否为空，会重复计算
    while (1) {
        // 处理边界问题
        // 任务清单：只要有key值，表示任务队列中还有，key值没有就表示已经都处理掉了，就不用每次去判断Q是否为空
        let keys = Object.keys(Q)
        if (!keys[0]) {
            break
        }
        // 处理任务：找到哪个数量最多，数量最多的就优先处理
        // 声明一个队列用来存储1+n任务单元
        let tmp = []
        for (let i = 0; i <= n; i++) {
            // 记录最大值
            let max=0
            // 最大值名称
            let key
            // 最大值索引位置
            let pos
            // 任务清单中找当前任务还剩下多少
            keys.forEach((item, idx)=>{
                // 找最大值
                if(Q[item]>max){
                    max = Q[item]
                    key = item
                    pos = idx
                    // console.log(item)
                    // console.log(idx)
                }
            })
            // 判断是否找到最大值key，如果是就push到临时队列
            if(key){
                // console.log('11--->'+key)
                tmp.push(key)
                // 在任务清单中清除
                keys.splice(pos, 1) //  ["A", "B"] ===> ["B"]
                Q[key]--
                if(Q[key]<1){
                    delete Q[key]
                }
                // console.log('222--->'+keys)
            }else{
                break
            }
        }
        // 如果不够，后面补什么
        q +=tmp.join('').padEnd(n+1,'-')
    }
    // 边界处理，最后不要出现冷却时间
    q = q.replace(/-+$/g, '')
    return q.length
}
const tasks = ["A", "A", "A", "B", "B", "B"], n = 2
console.log(leastInterval(tasks, n))