优先队列:PriorityQueue
正常入,按优先级出
实现机制:
1.Heap(Binary,Binomial,Fibonacci)
2.Binary Search Tree
703.数据流中的第K个大元素
设计一个找到数据流中第K大元素的类(class)。注意是排序后的第K大元素,不是第K个不同的元素。
你的 KthLargest 类需要一个同时接收整数 k 和整数数组nums 的构造器,它包含数据流中的初始元素。每次调用 KthLargest.add,返回当前数据流中第K大的元素。
示例:
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
kthLargest.add(10); // returns 5
kthLargest.add(9); // returns 8
kthLargest.add(4); // returns 8
【思路】
传统思路:
把数据流中的数字存入k个大小的数组中,再按照从小到大排序,数据流中的数字再进入时,和数组的最小元素进行比较,要是比最小元素小的话,就不进入该数组,要是大的话进入数组,重新进行排序。时间复杂度:O(KlogK)快速排序
优先队列思路:
和传统思路类似,区别在于设置一个k大小的优先队列,该队列默认为小顶堆。该堆的顶为k个元素的最小值。大于该最小值就进入该堆进行重新排序,否则不进入该堆。时间复杂度为O(logk)。
【实现代码】
class KthLargest {
final PriorityQueue<Integer> q;
final int k;
public KthLargest(int k, int[] nums) {
this.k=k;
q=new PriorityQueue<>(k);
for(int n:nums)
add(n);
}
public int add(int val) {
if(q.size()<k)
q.offer(val);
else if (q.peek()<val){
q.poll();
q.offer(val);
}
return q.peek();
}
}
/**
* Your KthLargest object will be instantiated and called as such:
* KthLargest obj = new KthLargest(k, nums);
* int param_1 = obj.add(val);
*/
237.滑动窗口最大值
给定一个数组nums,有一个大小为k的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到滑动窗口k内的数字。滑动窗口每次只向右移动一位。
返回滑动窗口最大值
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
注意:
你可以假设 k 总是有效的,1 ≤ k ≤ 输入数组的大小,且输入数组不为空。
【思路】
1.第一种思路是还是按照之前的优先队列,但是这里需要设置一个大顶堆,这个大顶堆的大小为k,随着滑动窗口的移动,假如新加入的元素大于堆顶元素则进入该堆,将堆顶元素弹出。同时还需要将超出滑动窗口大小的数据元素从堆中弹出。
2.使用双向队列来实现该滑动窗口的过程。
参考链接https://blog.csdn.net/top_code/article/details/8650729
【实现代码】
package leetcode_50;
import java.util.List;
import java.util.ArrayDeque;
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.Queue;
import java.util.Scanner;
public class Leetcode_239 {
public static void main(String[] args){
Scanner sc=new Scanner(System.in);
String str=sc.nextLine();
String[] s=str.split(",");
int k=sc.nextInt();
int[] result={};
int[] a=new int[s.length];
for(int i=0;i<a.length;i++) {
a[i]=Integer.parseInt(s[i]);
//System.out.print(a[i]+" ");
}
result=maxSlidingWindow(a,k);
for(int n=0;n<result.length;n++){
System.out.print(result[n]+" ");
}
}
private static int[] maxSlidingWindow(int[] nums, int k) {
if(nums.length==0) return new int[] {};
//结果集
List<Integer> res=new ArrayList<>();
//双向队列保存的是索引值
ArrayDeque<Integer> deq=new ArrayDeque<>();
for(int i=0;i<nums.length;i++){
//当随着滑动窗口的移动,左边的数组元素超出滑动窗口边界
//则删除
if(i>=k&&deq.getFirst()<=i-k)
deq.pollFirst();
while(!deq.isEmpty()&&nums[deq.peekLast()]<=nums[i]){
deq.pollLast();
}
deq.add(i);
//始终保持最左端是最大值
if(i>=k-1){
res.add(nums[deq.peekFirst()]);
}
}
int size=res.size();
int[] r=new int[size];
for(int j=0;j<size;j++){
r[j]=res.get(j);
}
return r;
}
}