1.题目
2.思路
如果没有O(1)的时间限制,可以直接用暴力的方法求解队列中的max,这样就是O(n),显然不符合题意,直接放弃,换一个思考方式。
首先要实现pop()操作,直接使用一个普通队列记录就可以了。
最主要的是实现求解最大值的操作max.这时候通常会使用一个辅助数据结构来解决,题目是队列,所以就往队列方向思考,要么就是普通队列ArrayQueue,要么就是双端队列ArrayDeque,要么就是优先队列PriorityQueue.主要是考虑时间复杂度O(1).
假如是优先队列,每次都要建立一个小顶堆或者大顶堆,这里建堆的平均时间复杂度为O(nlogn),取出最大或最小是O(1),所以不符合条件。
那么这时候可以考虑一下双端队列。
单端队列:尾部插入 ,头部弹出。
双端队列:尾部插入,头部弹出。+ 尾部弹出 + 头部插入
那么就要利用好双端的优势了,尾部弹出元素。
因为要求最大值,所以必须维护一个有最大值、第二大的这样一个单调递减的队列。
这里需要注意的是,只需要把比当前元素value大于等于的元素插入双端队列中,如果发现队列中的元素小于value,就一直弹出,保证队列中的所有元素都大于等于value.
这样在pop元素的时候,注意比较弹出的元素是不是双端队列的顶部元素,是的话记得也弹出双端队列。否则直接返回对顶元素,不需要弹出。
class MaxQueue {
Deque<Integer>d1;
Deque<Integer>d2;
public MaxQueue() {
d1 = new ArrayDeque();
d2 = new ArrayDeque();
}
public int max_value() {
if(d2.isEmpty()) return -1;
return d1.peekFirst();
}
public void push_back(int value) {
// 单调递减队列,用来记录最大值
while(!d1.isEmpty() && value > d1.peekLast()){
d1.pollLast(); //弹出比value小的元素
}
d1.addLast(value);
// 辅助队列,用来记录pop
d2.addLast(value);
}
public int pop_front() {
if(d2.isEmpty()) return -1;
int ans = d2.poll();
if(d1.peekFirst() == ans)
d1.pollFirst();
return ans;
}
}
/**
* Your MaxQueue object will be instantiated and called as such:
* MaxQueue obj = new MaxQueue();
* int param_1 = obj.max_value();
* obj.push_back(value);
* int param_3 = obj.pop_front();
*/