LeetCode-239. 滑动窗口最大值

210 篇文章 0 订阅

239. 滑动窗口最大值

难度困难159收藏分享切换为英文关注

通过次数

17,642

提交次数

41,311

题目描述

评论 (168)

题解(53)New

提交记录

给定一个数组 nums,有一个大小为 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:

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

 

提示:

你可以假设 总是有效的,在输入数组不为空的情况下,1 ≤ k ≤ 输入数组的大小

 

(超时)

不看解析,想出来的暴力,每次通过滑动得到的新值去比较最大值,看是否比最大值大,如果大,压入辅助队列当中。中间可能会存在辅助队列为空的情况,这是重新计算模拟的原始队列,求最大值,再进行滑动比较。效率太低,最后一个测试用例无法通过。

#include<iostream>
#include<queue>
#include<vector>
using namespace std;



//  示例:
//  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

class Solution {
public:
	vector<int> maxSlidingWindow(vector<int>& nums, int k) {
		if (nums.empty()) {
			return nums;
		}

		/* 记录滑动窗口每次的最大值 */
		vector<int> m_MaxVec;

		/* 存最大值 */
		if (m_OriginQueue.empty()) {
			maxVal = nums.front();
			m_OriginQueue.push(nums.front());
			m_MaxValQueue.push(nums.front());
		}

		vector<int>::iterator it;
		for (it = nums.begin() + 1;
		it != nums.begin() + k; it++) {
			//cout << "it:" << *it << endl;
			m_OriginQueue.push(*it);

			/* 如果比原始值大则进行入队 */
			if (*it >= maxVal) {
				maxVal = *it;
				m_MaxValQueue.push(*it);
			}
		}

		/* 存取一次最大值 */
		m_MaxVec.push_back(maxVal);


		/* 滑动窗口 */
		while (it != nums.end()) {

			if (m_OriginQueue.front() == m_MaxValQueue.front()) {
				cout<<"m_MaxValQueue front :"<<m_MaxValQueue.front()<<"-------MaxQueue size :" << m_MaxValQueue.size() << endl;
				m_MaxValQueue.pop();
			}
			m_OriginQueue.pop();


			/* 压入队列 */
			m_OriginQueue.push(*it);
			
			/* 考虑辅助队列(当前最大值队列)为空,此时重新遍历寻找最大值 */
			if (m_MaxValQueue.empty()) {
				vector<int>::iterator q_start = it - k + 1;
				vector<int>::iterator q_end = it + 1;
				int tempMax = *(q_start);
				while (q_start != q_end) {

					cout << "0000000000000000000000000--" << *q_start << endl;
					if (*q_start > tempMax)
						tempMax = *q_start;
					q_start++;
				}
				m_MaxValQueue.push(tempMax);

				cout << "0000000000000000000000000--" << tempMax << endl;
			}

			/* 或者压入队列元素比队尾元素大 */
			else if (*it >= m_MaxValQueue.back()) {       
				m_MaxValQueue.push(*it);
			}

			cout << "or头部:" << m_OriginQueue.front() << endl;
			cout << "or尾部:" << m_OriginQueue.back() << endl;
			cout << "help头部:" << m_MaxValQueue.front() << endl;
			cout << "help尾部:" << m_MaxValQueue.back() << endl;
			cout << "Max:" << m_MaxValQueue.back() << endl;
			m_MaxVec.push_back(m_MaxValQueue.back());
			
			cout << endl;
			it++;
		}

		return m_MaxVec;
	}


private:

	int maxVal;
	queue<int> m_OriginQueue;    //滑动窗口queue队列   
	queue<int> m_MaxValQueue;    //存取最大值的队列
};

 

单调队列:

博主原文地址:https://leetcode-cn.com/problems/sliding-window-maximum/solution/dan-diao-dui-lie-by-labuladong/

#include <iostream>
#include <deque>
#include <vector>
using namespace std;

class Monotonic {
public:
	void push(int n) {
		while (!data.empty() && data.back() < n)
			data.pop_back();
		data.push_back(n);
	}

	int max() {
		return data.front();
	}

	void pop(int n) {
		if (!data.empty() && data.front() == n)
			data.pop_front();
	}

private:
	deque<int> data;
};

class Solution {
public:
	vector<int> maxSlidingWindow(vector<int>& nums, int k) {
		Monotonic data;
		vector<int> maxVec;
		if (nums.empty())
			return nums;
		
		for (int i = 0; i < nums.size(); i++) {
			if (i < k - 1) {
				data.push(nums[i]);
			}
			else {
				data.push(nums[i]);
				maxVec.push_back(data.max());
				data.pop(nums[i - k + 1]);
			}
		}

		return maxVec;
	}
};


int main() {

	Solution *ps = new Solution();
	int k = 0;
	vector<int> test1 = {};
	vector<int> test2 = { 1,3,-1,-3,5,3,6,7 };
	vector<int> test3 = { 1,3,1,2,0,5 };
	vector<int> test4 = { 1,-1 };                        // k = 1;
	vector<int> test5 = { -7,-8,7,5,7,1,6,0 };

	vector<int>result = ps->maxSlidingWindow(test5, 4);

	vector<int>::iterator it = result.begin();
	while (it != result.end()) {
		cout << " " << *it;
		it++;
	}
	system("pause");
	
	return 0;
}


 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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