算法训练营 第十三天
栈与队列 day03~
239. 滑动窗口最大值(单调队列)
这道题,我想的是用queue队列来做,因为滑动窗口需要头插和尾删,是先进先出的形式。
或者用数组来模拟queue,这是第二种方法。
或者用双指针来做,这样的话空间复杂度可以降为o(1)。这种方法是最优的。
写完发现,我理解错题意了,按照题意的话,前面三个方法都不能用了,我们直接来看答案。
解题方法是,需要自己实现一个单调队列。
我的答案
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int> res;
deque<int> qe;
for (int i = 0; i< nums.size(); i++){
if (i >= k && !qe.empty()&& nums[i - k] == qe.front())
qe.pop_front();
while (!qe.empty() && qe.back() < nums[i]) {
qe.pop_back();
}
if (qe.empty()||qe.back()>=nums[i])
qe.push_back(nums[i]);
if (i >= k - 1) {
res.push_back(qe.front());
}
}
return res;
}
};
参考答案
class Solution {
private:
class MyQueue { //单调队列(从大到小)
public:
deque<int> que; // 使用deque来实现单调队列
// 每次弹出的时候,比较当前要弹出的数值是否等于队列出口元素的数值,如果相等则弹出。
// 同时pop之前判断队列当前是否为空。
void pop(int value) {
if (!que.empty() && value == que.front()) {
que.pop_front();
}
}
// 如果push的数值大于入口元素的数值,那么就将队列后端的数值弹出,直到push的数值小于等于队列入口元素的数值为止。
// 这样就保持了队列里的数值是单调从大到小的了。
void push(int value) {
while (!que.empty() && value > que.back()) {
que.pop_back();
}
que.push_back(value);
}
// 查询当前队列里的最大值 直接返回队列前端也就是front就可以了。
int front() {
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQueue que;
vector<int> result;
for (int i = 0; i < k; i++) { // 先将前k的元素放进队列
que.push(nums[i]);
}
result.push_back(que.front()); // result 记录前k的元素的最大值
for (int i = k; i < nums.size(); i++) {
que.pop(nums[i - k]); // 滑动窗口移除最前面元素
que.push(nums[i]); // 滑动窗口前加入最后面的元素
result.push_back(que.front()); // 记录对应的最大值
}
return result;
}
};
这道题我本来想用队列queue,但这道题需要尾端删除,所以用的deque。这道题是自制队列,实现pop push功能。
347. 前 K 个高频元素(大顶堆和小顶堆)
方法一:用map<数值,出现次数>来存数组,然后用快排来排序。时间复杂度o(nlogn)
方法二:其实只需要排到前k个数就行,所以用一个queue来存
这道题自己没做出来,就直接放参考答案了
class Solution {
public:
// 小顶堆
class mycomparison {
public:
bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs) {
return lhs.second > rhs.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
// 要统计元素出现频率
unordered_map<int, int> map; // map<nums[i],对应出现的次数>
for (int i = 0; i < nums.size(); i++) {
map[nums[i]]++;
}
// 对频率排序
// 定义一个小顶堆,大小为k
priority_queue<pair<int, int>, vector<pair<int, int>>, mycomparison> pri_que;
// 用固定大小为k的小顶堆,扫面所有频率的数值
for (unordered_map<int, int>::iterator it = map.begin(); it != map.end(); it++) {
pri_que.push(*it);
if (pri_que.size() > k) { // 如果堆的大小大于了K,则队列弹出,保证堆的大小一直为k
pri_que.pop();
}
}
// 找出前K个高频元素,因为小顶堆先弹出的是最小的,所以倒序来输出到数组
vector<int> result(k);
for (int i = k - 1; i >= 0; i--) {
result[i] = pri_que.top().first;
pri_que.pop();
}
return result;
}
};
这道题遇到好多问题
1、优先级队列,在定义的时候,为什么一定要定义它的底层实现数组。
2、关于仿函数,它的底层实现是什么样的,优先级队列,push()这个操作,它的时间复杂度是多少?
3、对于快排,为什么他的时间复杂度是o(nlogn)
- 仿函数
优先级队列和sort等内置算法函数里用的仿函数是谓词,使用方法是定义一个类,然后重载了()操作符,传入一个参数是一元谓词,传入两个参数是二元谓词。 - 优先级队列
优先级队列的底层是二叉树,这个后面学二叉树的时候应该会学到,优先级队列的定义:
priority_queue<typename, container, functional>
· typename是数据的类型;
· container是容器类型,可以是vector,queue等用数组实现的容器,不能是list,默认可以用vector;
· functional是比较的方式,默认是大顶堆(就是元素值越大,优先级越高);如果使用C++基本数据类型,可以直接使用自带的less和greater这两个仿函数(默认使用的是less,就是构造大顶堆,元素小于当前节点时下沉)。使用自定义的数据类型的时候,可以重写比较函数,也可以进行运算符重载(less重载小于“<”运算符,构造大顶堆;greater重载大于“>”运算符,构造小顶堆)。 - 快排
快排的原理:先指定一个数为中间数,将数组分为两个区间;在指定一个中间数,将数组分为4个区间;直到将数组分为n个区间,一共分了logn次;每次的遍历次数为n次,因此快排的时间复杂度为o(nlogn)。