239.最大滑动窗口

滑动窗口当中的最大值

暴力解法

扫描正个数组,O(n), 每个节点处需要进行扫描k个节点,所有时间复杂度为O(nk),

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if(k>nums.length)
            return  new int[0];
        int len = nums.length;
        int [] result= new int[len-k+1];
         //结果数组当中的i和每个start 的大小关系是一样的情况
        
        for(int i=0;i<len-k+1;i++){
            // 
            helper(nums,i,i+k-1,result,i);
        }
        return  result;
            }
            
      private void helper(int [] nums, int start, int end,  int[] result,int i){
 // 从start到end是一个k的取值范围,          
 int max = nums[start];
        for(int j=start+1;j<=end;j++){
            if(nums[j]>max)
                max = nums[j];
        }
        result[i]= max;
    }
}

改进方法一

时间复杂度为o(nlog(k)), 同样需要遍历整个元素的基本情况,只不过需要降低每次, 使用有序sortmap 实现 。 采用红黑树的排序算法,对K 个元素找出最大值的情况

TreeMap 默认排序规则:按照key的字典顺序来排序(升序) 按照key 进行排序, 的基本情况, 不需要把所有的元素都情况, 像我们上一道题目的做法其实就是采用了O(K)的思路,将窗口k当中的元素全部清空, 导致在这时间复杂度为O(k),导致时间复杂度为O(k), 所以思路主要是在这里面考虑如何将O(k),时间复杂降低为O(log(K)) 问题, 如何改为这种形式 ,

红黑树当中的排序时间复杂度为log(k),

核心思想

利用队头存放有可能成为窗口最大值的元素,
每次往结果上面添加都是添加对头的元素(肯定是这样的情况)

每次处理一个元素都需要添加一次的基本情况

  1. 队头
  2. 队尾巴while(清空不满足题意的题目情况)
  3. 添加元素情况

j-k+1 到 k 这是双向队列当中元素的范围,当对头和对尾元素下标范围超过这个值,那么就不是在一个滑动窗口内,就要删除对头元素

代码

public int[] maxSlidingWindow(int[] a, int k) {		
		if (a == null || k <= 0) {
			return new int[0];
		}
		int n = a.length;
		int[] r = new int[n-k+1];
		int ri = 0;
		// store index
		Deque<Integer> q = new ArrayDeque<>();
		for (int i = 0; i < a.length; i++) {
			// remove numbers out of range k
			while (!q.isEmpty() && q.peek() < i - k + 1) {
				q.poll();
			}
			// remove smaller numbers in k range as they are useless
			while (!q.isEmpty() && a[q.peekLast()] < a[i]) {
				q.pollLast();
			}
			// q contains index... r contains content
			q.offer(i);
			if (i >= k - 1) {
				r[ri++] = a[q.peek()];
			}
		}
		return r;
	}

直接看这篇博客
http://wiki.jikexueyuan.com/project/for-offer/question-sixty-five.html

这道题目也可以

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
单调队列是一种特殊的数据结构,用于解决滑动窗口问题。在滑动窗口问题中,要求在一个大小为k的窗口中,找到窗口内的最大值或最小值。单调队列通过维护一个单调递增或递减的队列,可以高效地解决这个问题。 具体实现上,可以使用两个单调队列,一个用于维护窗口内的最大值,另一个用于维护窗口内的最小值。在添加新元素时,如果队列不为空且要加入的元素值小于队列尾的值,则将队尾弹出,直到队尾小于要加入的元素或者队列为空。这样,队首就是当前窗口内的最大值或最小值了。 对于问题中提到的代码,首先定义了一个用于存储下标的队列stk,以及用于存储数组元素的数组a。然后通过一个循环,分别计算了窗口内的最小值和最大值。在计算最小值时,维护了一个单调递增的队列,即队首是窗口内的最小值。在计算最大值时,维护了一个单调递减的队列,即队首是窗口内的最大值。最后,输出计算结果。 总结起来,单调队列是一种解决滑动窗口问题的高效数据结构,可以通过维护单调递增或递减的队列来求解窗口内的最大值或最小值。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span> #### 引用[.reference_title] - *1* [整数滑动窗口(acwing算法题C++)](https://blog.csdn.net/falldeep/article/details/118631830)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatgptT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [【Week5作业 D】滑动窗口【单调队列】](https://download.csdn.net/download/weixin_38647039/14916076)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatgptT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* *4* [【acwing】单调队列--154. 滑动窗口](https://blog.csdn.net/qq_43531919/article/details/115402227)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatgptT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“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