目录
刷题日期:下午7:50 2021年5月24日星期一
个人刷题记录,代码收集,来源皆为leetcode
经过多方讨论和请教,现在打算往Java方向发力
主要答题语言为Java
题目:
剑指 Offer 59 - I. 滑动窗口的最大值
难度困难267
给定一个数组 nums
和滑动窗口的大小 k
,请找出所有滑动窗口里的最大值。
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 k 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。
题目分析
有一段时间没遇到困难题了。
如果能够调用队列,然后不断出队入队,调用队的方法记录最大值在一个数组里面,那么只要一个长k的队列不断往后遍历一遍就得到结果了。
而且可以发现是有一定规律的,只要先找出来前k个的最大值,那么只要比较第k+1个与现有最大值的关系,就可以推进了。
直观感觉没有那么难,尝试进行解答。
初始解答:
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
//暂时不考虑边界条件
int [] res = new int[nums.length - k + 1];
res[0] = nums[0]; //先初始化
//先找出前k个里面最大的
for(int i = 1; i < k; i++) {
if(res[0] < nums[i]) res[0] = nums[i];
}
//res[0]此时就是前k个里最大的
for(int i = k; i < nums.length; i++) {
if(res[i - k + 1] <= nums[i]) {
res[i - k + 1] = nums[i];
}
if(res[i - k + 1] > nums[i]) {
res[i - k + 1] = res[i - k];
}
}
return res;
}
}
输入 [1,3,-1,-3,5,3,6,7] 3
输出 [3,3,5,3,6,7]
差别 预期结果 [3,3,5,5,6,7]
想简单了,这种解法求到的应该是当前位置之前所有数的最大值,直接调库不就行了,还是不走岔路了。
要么先把窗口内的数组提取出来,然后再找最大值。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(nums.length == 0) return new int [0]; //边界条件
int [] res = new int[nums.length - k + 1];
//先找出前k个里面最大的
for(int i = 0; i < nums.length - k + 1; i++) {
int[] tmp = Arrays.copyOfRange(nums, i, i + k);
Arrays.sort(tmp);
res[i] = tmp[tmp.length - 1];
}
return res;
}
}
思路是对的,就是调库了,时间也有点长,主要是求最大值的办法有点笨。
执行结果:通过
显示详情 添加备注
执行用时:1549 ms, 在所有 Java 提交中击败了5.01%的用户
内存消耗:44.5 MB, 在所有 Java 提交中击败了99.19%的用户
学习他人:
方法一:
mata川L5 (编辑过)2020-02-19 单调队列模板题,求滑动窗口的最值。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(nums == null || nums.length == 0) {
return new int[0];
}
int[] res = new int[nums.length - k + 1];
Deque<Integer> queue = new ArrayDeque<>();
for(int i = 0, j = 0; i < nums.length; i++) {
if(!queue.isEmpty() && i - queue.peek() >= k) {
queue.poll();
}
while(!queue.isEmpty() && nums[i] > nums[queue.peekLast()]) {
queue.pollLast();
}
queue.offer(i);
if(i >= k - 1) {
res[j++] = nums[queue.peek()];
}
}
return res;
}
}
方法二:
Looro 1 天前
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
//单调队列
//注意:单调队列存储的不是具体的值,而是nums的索引!
Deque<Integer> deque = new LinkedList<>();
int[] res = new int[nums.length];
int j = 0;
for(int i = 0; i < nums.length; i++){
//判断队头是否已经滑出窗口
if(!deque.isEmpty() && i- k + 1 > deque.getFirst()){
deque.removeFirst();
}
while(!deque.isEmpty() && nums[deque.getLast()] <= nums[i]){
deque.removeLast();
}
deque.addLast(i);
if(i >= k - 1){
res[j++] = nums[deque.getFirst()];
}
}
return Arrays.copyOf(res, j);
}
}
方法三:
邪王真眼六花花L1 2021-04-29
分享一个nlogk的,泛型效率差,如果手写一个int型大顶堆实现效率应该还不错
public int[] maxSlidingWindow(int[] nums, int k) {
if (nums == null || nums.length == 0)
return new int[0];
int len = nums.length;
int[] res = new int[len - k + 1];
PriorityQueue<Integer> heep = new PriorityQueue<>(Comparator.comparingInt(a -> a));
for (int i = 0; i < k; i++) {
heep.add(nums[i]);
}
res[0] = heep.peek();
for (int i = k; i < len; i++) {
heep.remove(nums[i - k]);
heep.add(nums[i]);
res[i - k + 1] = heep.peek();
}
return res;
}
方法四:
K神 ,队列
作者:jyd
链接:https://leetcode-cn.com/problems/hua-dong-chuang-kou-de-zui-da-zhi-lcof/solution/mian-shi-ti-59-i-hua-dong-chuang-kou-de-zui-da-1-6/
来源:力扣(LeetCode)
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(nums.length == 0 || k == 0) return new int[0];
Deque<Integer> deque = new LinkedList<>();
int[] res = new int[nums.length - k + 1];
for(int j = 0, i = 1 - k; j < nums.length; i++, j++) {
// 删除 deque 中对应的 nums[i-1]
if(i > 0 && deque.peekFirst() == nums[i - 1])
deque.removeFirst();
// 保持 deque 递减
while(!deque.isEmpty() && deque.peekLast() < nums[j])
deque.removeLast();
deque.addLast(nums[j]);
// 记录窗口最大值
if(i >= 0)
res[i] = deque.peekFirst();
}
return res;
}
}
可以将 “未形成窗口” 和 “形成窗口后” 两个阶段拆分到两个循环里实现。代码虽变长,但减少了冗余的判断操作。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
if(nums.length == 0 || k == 0) return new int[0];
Deque<Integer> deque = new LinkedList<>();
int[] res = new int[nums.length - k + 1];
// 未形成窗口
for(int i = 0; i < k; i++) {
while(!deque.isEmpty() && deque.peekLast() < nums[i])
deque.removeLast();
deque.addLast(nums[i]);
}
res[0] = deque.peekFirst();
// 形成窗口后
for(int i = k; i < nums.length; i++) {
if(deque.peekFirst() == nums[i - k])
deque.removeFirst();
while(!deque.isEmpty() && deque.peekLast() < nums[i])
deque.removeLast();
deque.addLast(nums[i]);
res[i - k + 1] = deque.peekFirst();
}
return res;
}
}
angeninL3 (编辑过)2020-10-03 放个java的注解版,方便理解。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
//单调队列
//下面是要注意的点:
//队列按从大到小放入
//如果首位值(即最大值)不在窗口区间,删除首位
//如果新增的值小于队列尾部值,加到队列尾部
//如果新增值大于队列尾部值,删除队列中比新增值小的值,如果在把新增值加入到队列中
//如果新增值大于队列中所有值,删除所有,然后把新增值放到队列首位,保证队列一直是从大到小
if (nums.length == 0) return nums;
Deque<Integer> deque = new LinkedList<>();
int[] arr = new int[nums.length - k + 1];
int index = 0; //arr数组的下标
//未形成窗口区间
for (int i = 0; i < k; i++) {
//队列不为空时,当前值与队列尾部值比较,如果大于,删除队列尾部值
//一直循环删除到队列中的值都大于当前值,或者删到队列为空
while (!deque.isEmpty() && nums[i] > deque.peekLast()) deque.removeLast();
//执行完上面的循环后,队列中要么为空,要么值都比当前值大,然后就把当前值添加到队列中
deque.addLast(nums[i]);
}
//窗口区间刚形成后,把队列首位值添加到队列中
//因为窗口形成后,就需要把队列首位添加到数组中,而下面的循环是直接跳过这一步的,所以需要我们直接添加
arr[index++] = deque.peekFirst();
//窗口区间形成
for (int i = k; i < nums.length; i++) {
//i-k是已经在区间外了,如果首位等于nums[i-k],那么说明此时首位值已经不再区间内了,需要删除
if (deque.peekFirst() == nums[i - k]) deque.removeFirst();
//删除队列中比当前值大的值
while (!deque.isEmpty() && nums[i] > deque.peekLast()) deque.removeLast();
//把当前值添加到队列中
deque.addLast(nums[i]);
//把队列的首位值添加到arr数组中
arr[index++] = deque.peekFirst();
}
return arr;
}
}
题目:
剑指 Offer 59 - II. 队列的最大值
难度中等246
请定义一个队列并实现函数 max_value
得到队列里的最大值,要求函数max_value
、push_back
和 pop_front
的均摊时间复杂度都是O(1)。
若队列为空,pop_front
和 max_value
需要返回 -1
示例 1:
输入:
["MaxQueue","push_back","push_back","max_value","pop_front","max_value"]
[[],[1],[2],[],[],[]]
输出: [null,null,null,2,1,2]
示例 2:
输入:
["MaxQueue","pop_front","max_value"]
[[],[],[]]
输出: [null,-1,-1]
限制:
1 <= push_back,pop_front,max_value的总操作数 <= 10000
1 <= value <= 10^5
题目分析
这种定义类的题目简直了,直接懵逼。
入队出队,然后寻找队内最大元素,肯定和上一题有关系。
还是参考别人多学习吧。
立夏DL1 (编辑过)2020-03-07
可能有人看不懂题,本小白说一下我自己的理解: 输入的两个列表,其元素分别是执行的函数与给的值。 以输入1为例:
1、 “MaxQueue” 生成队列
[] 传入的值为空
无输出,故输出为null
2、 "push_back" 向队列传入元素
[1] 传入的值为1
此时队列中只有一个1
函数无输出,故输出为null
3、 "push_back" 向队列传入元素
[2] 传入的值为2
此时队列为 --进-> [2,1] --出->
函数无输出,故输出为null
4、 "max_value" 求队列中的最大值
[] 传入的值为空
输出为2
5、 "pop_front" 删除队列头部元素
[] 传入的值为空
函数pop_front还要输出删除元素的值,故输出为1
6、 "max_value" 求队列中的最大值
[] 传入的值为空
此时队列为[2],所以最大值输出为2。
希望能起到一点作用,也感谢大佬们能指教我描述不准确的的地方。(不知为何,觉得自己写的很别扭) (编辑:我打字的时候是分行的,但预览又成一整段了,没办法只能用代码块了,看着更别扭了- -,但总比一整段清晰一点)
初始解答:
学习了K神用链表辅助的思路
class MaxQueue {
Queue<Integer> queue; //一个放数据,一个辅助
Deque<Integer> deque;
public MaxQueue() {
queue = new LinkedList<>(); //用链表维护递减序列
deque = new LinkedList<>();
}
public int max_value() {
return deque.isEmpty() ? -1 : deque.peekFirst(); //检索此deque队列的第一个元素(但不删除),则返回null如果此deque队列为空。
}
public void push_back(int value) {
queue.offer(value);
while(!deque.isEmpty() && deque.peekLast() < value)
deque.pollLast();
deque.offerLast(value);
}
public int pop_front() {
if(queue.isEmpty()) return -1;
if(queue.peek().equals(deque.peekFirst()))
deque.pollFirst();
return queue.poll();
}
}
执行结果:通过
显示详情 添加备注
执行用时:41 ms, 在所有 Java 提交中击败了61.43%的用户
内存消耗:46.3 MB, 在所有 Java 提交中击败了50.05%的用户
学习他人:
方法一:
mata川L5 (编辑过)2020-02-20
其实本质上是一个求滑动窗口最大值的问题。这个队列可以看成是一个滑动窗口,入队就是将窗口的右边界右移,出队就是将窗口的左边界右移。
既然是求解滑动窗口的最大值问题,那就变成了模板题,直接套单调队列模板即可。
class MaxQueue {
private Deque<Integer> queue;
private Deque<Integer> help;
public MaxQueue() {
queue = new ArrayDeque<>();
help = new ArrayDeque<>();
}
public int max_value() {
return queue.isEmpty() ? -1 : help.peek();
}
public void push_back(int value) {
queue.offer(value);
while(!help.isEmpty() && value > help.peekLast()) {
help.pollLast();
}
help.offer(value);
}
public int pop_front() {
if(queue.isEmpty()) {
return -1;
}
int val = queue.pop();
if(help.peek() == val) {
help.pop();
}
return val;
}
}
方法二:
2 天前
单调队列思路
class MaxQueue {
private Deque<Integer> dataQueue;
private Deque<Integer> maxQueue;
public MaxQueue() {
dataQueue = new ArrayDeque<>();
maxQueue = new ArrayDeque<>();
}
public int max_value() {
if (maxQueue.isEmpty())
return -1;
return maxQueue.peek();
}
public void push_back(int value) {
dataQueue.add(value);
while (!maxQueue.isEmpty() && value > maxQueue.peekLast())
maxQueue.pollLast();
maxQueue.add(value);
}
public int pop_front() {
if (dataQueue.isEmpty())
return -1;
int value = dataQueue.poll();
if (maxQueue.peek() == value)
maxQueue.poll();
return value;
}
}
方法三:
K神 题目理解
解题思路:
对于普通队列,入队 push_back() 和出队 pop_front() 的时间复杂度均为 O(1) ;本题难点为实现查找最大值 max_value() 的 O(1)O(1) 时间复杂度。
假设队列中存储 NN 个元素,从中获取最大值需要遍历队列,时间复杂度为 O(N) ,单从算法上无优化空间。
如下图所示,最直观的想法是 维护一个最大值变量 ,在元素入队时更新此变量即可;但当最大值出队后,并无法确定下一个 次最大值 ,因此不可行。
作者:jyd
链接:https://leetcode-cn.com/problems/dui-lie-de-zui-da-zhi-lcof/solution/jian-zhi-offer-59-ii-dui-lie-de-zui-da-z-0pap/
来源:力扣(LeetCode)
考虑利用 数据结构 来实现,即经常使用的 “空间换时间” 。如下图所示,考虑构建一个递减列表来保存队列 所有递减的元素 ,递减链表随着入队和出队操作实时更新,这样队列最大元素就始终对应递减列表的首元素,实现了获取最大值 O(1)时间复杂度。
class MaxQueue {
Queue<Integer> queue;
Deque<Integer> deque;
public MaxQueue() {
queue = new LinkedList<>();
deque = new LinkedList<>();
}
public int max_value() {
return deque.isEmpty() ? -1 : deque.peekFirst();
}
public void push_back(int value) {
queue.offer(value);
while(!deque.isEmpty() && deque.peekLast() < value)
deque.pollLast();
deque.offerLast(value);
}
public int pop_front() {
if(queue.isEmpty()) return -1;
if(queue.peek().equals(deque.peekFirst()))
deque.pollFirst();
return queue.poll();
}
}
Java队列常用方法
1、add()和offer()区别:
add()和offer()都是向队列中添加一个元素。一些队列有大小限制,因此如果想在一个满的队列中加入一个新项,调用 add() 方法就会抛出一个 unchecked 异常,而调用 offer() 方法会返回 false。因此就可以在程序中进行有效的判断!
2、poll()和remove()区别:
remove() 和 poll() 方法都是从队列中删除第一个元素。如果队列元素为空,调用remove() 的行为与 Collection 接口的版本相似会抛出异常,但是新的 poll() 方法在用空集合调用时只是返回 null。因此新的方法更适合容易出现异常条件的情况。
3、element() 和 peek() 区别:
element() 和 peek() 用于在队列的头部查询元素。与 remove() 方法类似,在队列为空时, element() 抛出一个异常,而 peek() 返回 null。
下面是Java中Queue的一些常用方法:
add 增加一个元索 如果队列已满,则抛出一个IIIegaISlabEepeplian异常
remove 移除并返回队列头部的元素 如果队列为空,则抛出一个
NoSuchElementException异常
element 返回队列头部的元素 如果队列为空,则抛出一个NoSuchElementException异常
offer 添加一个元素并返回true 如果队列已满,则返回false
poll 移除并返问队列头部的元素 如果队列为空,则返回null
peek 返回队列头部的元素 如果队列为空,则返回null
put 添加一个元素 如果队列满,则阻塞
take 移除并返回队列头部的元素 如果队列为空,则阻塞
总结
以上就是本题的内容和学习过程了,这种窗口强调用队列是比较符合直观理解的,就是各种方法和语句需要多练。
欢迎讨论,共同进步。