leetcode(力扣) 239. 滑动窗口最大值(单调队列)

题目描述

给你一个整数数组 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 1:
输入:nums = [1,3,-1,-3,5,3,6,7], 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

示例 2:
输入:nums = [1], k = 1
输出:[1]

思路分析

题目要求每次统计窗口k内的最大数值,且窗口每次先后挪动一位,这题我上来就直接暴力怼上去,结果超时,能到 37 / 51用例。

还是用正统的方法吧,单调队列,写了半天没写对,然后去看了一个ACM金牌大佬的解法,非常NB。

首先弄一个列表当单调队列, queue = [X,X,X,X,X,X,X] 这里面放了一堆元素,元素从左边进,从右边出,要始终记住一点,这是个单调队列,递增或递减,这里用递减,也就是 最左边的元素也就是 queue[0]始终是最大值。

因为题目给定窗口大小为K,不固定,所以参考了大佬的解法, 单调队列里存放下标值。

大体步骤:

  • 遍历原始数组,对于一个新的数值,即将进队,先检查队列是不是已经有K个元素了,如果已经有K个元素了,则要先弹出队列一个元素才能进队新元素。
  • 检查即将进队的元素,队列里在他之前是不是都比他小,吧小的元素出队,然后再让其进队。
  • 每次操作都要记录当前队列中的最大值,也就是queue[0]的值。

细节:

1.如何确定当前队列中已经满了? 因为队列里存放的时下标值而非元素,所以当queue[0] +k = i 的时候(i为遍历指针),显然队列中已经存在了k个值,所以队列满了,这也是为啥要存下标值而不存元素的主要原因,就是判断队满的状态很简单。
这里再补充一下,其实并不是说判断队列是否已满,而是判断队头的元素是否还属于当前的滑动窗口内。如果不属于了,则pop(0)

2.当一个新元素进队之前,要弹出他之前的所有小于他的元素。 比如,当前有一个元素10要进队了,队里[1,2,11,3,5] 则5,3出队了,虽然1,2也比10小,但是中间有11隔着。这是一个误区~~不会出现这种情况,因为一开始说了,要记住一点,这是一个单调队列,最左边存的永远是最大值,也就是说,这个例子当11进队的时候,[1,2] 这两个元素必然已经被弹出去了。
也就是如果nums[queue[-1]] < nums[i] 并且队列不为空,则一直执行pop操作。

3.当队列中加入了K个元素之后才进行最大值统计 。这个比较好想,因为滑动窗口大小为K嘛,你队列里进入了K个元素之后才开始每轮的统计。

完整代码

class Solution:
    def maxSlidingWindow(self, nums: List[int], k: int) -> List[int]:
        if not nums or k == 0:
           return []
        if len(nums) == 1:
           return [nums[0]]
           
        queue = []  # 队列
        res = []     #  答案集

        for i in range(len(nums)):
            if queue and queue[0] == i-k:
                queue.pop(0)
            while queue and nums[queue[-1]] < nums[i]:
                queue.pop()
            queue.append(i)
            if i >= k-1:
                res.append(nums[queue[0]])
        return res
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
根据引用\[1\],可以使用暴力解法来求解滑动窗口最大值。具体的做法是,遍历数组,对于每个窗口,使用一个内部循环来找到窗口中的最大值,并将其存储在结果数组中。时间复杂度为O(n*k),其中n为数组长度,k为窗口大小。 根据引用\[2\],还可以使用队列来求解滑动窗口最大值。具体的做法是,使用一个双端队列来维护一个单调递减的窗口。遍历数组,对于每个元素,首先判断队头是否在滑动窗口范围内,如果不在,则将其从队头移除。然后,将当前元素与队尾元素比较,如果当前元素大于队尾元素,则将队尾元素移除,直到队列为空或者当前元素小于等于队尾元素。最后,将当前元素的索引插入队尾。如果滑动窗口的元素个数达到了k个,并且始终维持在窗口中,就将队头元素加入答案数组中。时间复杂度为O(n),其中n为数组长度。 综上所述,可以使用暴力解法或者使用队列来求解leetcode滑动窗口最大值。 #### 引用[.reference_title] - *1* *3* [leetcode239. 滑动窗口最大值](https://blog.csdn.net/kkkkuuga/article/details/124829581)[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^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Leetcode#239. 滑动窗口最大值 (Java解法)](https://blog.csdn.net/paranior/article/details/114890555)[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^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .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

打赏作者

深度不学习!!

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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