LeetCode154--LRU缓存机制(L146)、排序链表(L148)

1、LRU缓存机制

//运用你所掌握的数据结构，设计和实现一个 LRU (最近最少使用) 缓存机制 。
//
//
//
// 实现 LRUCache 类：
//
//
// LRUCache(int capacity) 以正整数作为容量 capacity 初始化 LRU 缓存
// int get(int key) 如果关键字 key 存在于缓存中，则返回关键字的值，否则返回 -1 。
// void put(int key, int value) 如果关键字已经存在，则变更其数据值；如果关键字不存在，则插入该组「关键字-值」。当缓存容量达到上
//限时，它应该在写入新数据之前删除最久未使用的数据值，从而为新的数据值留出空间。
//
//
//
//
//
//
// 进阶：你是否可以在 O(1) 时间复杂度内完成这两种操作？
//
//
//
// 示例：
//
//
//输入
//[“LRUCache”, “put”, “put”, “get”, “put”, “get”, “put”, “get”, “get”, “get”]
//[[2], [1, 1], [2, 2], [1], [3, 3], [2], [4, 4], [1], [3], [4]]
//输出
//[null, null, null, 1, null, -1, null, -1, 3, 4]
//
//解释
//LRUCache lRUCache = new LRUCache(2);
//lRUCache.put(1, 1); // 缓存是 {1=1}
//lRUCache.put(2, 2); // 缓存是 {1=1, 2=2}
//lRUCache.get(1); // 返回 1
//lRUCache.put(3, 3); // 该操作会使得关键字 2 作废，缓存是 {1=1, 3=3}
//lRUCache.get(2); // 返回 -1 (未找到)
//lRUCache.put(4, 4); // 该操作会使得关键字 1 作废，缓存是 {4=4, 3=3}
//lRUCache.get(1); // 返回 -1 (未找到)
//lRUCache.get(3); // 返回 3
//lRUCache.get(4); // 返回 4
//
//
//
//
// 提示：
//
//
// 1 <= capacity <= 3000
// 0 <= key <= 3000
// 0 <= value <= 104
// 最多调用 3 * 104 次 get 和 put
//
// Related Topics 设计

实现本题的操作需要用到一个HashMap以及双向链表，HashMap用于计算键的映射来查找值，双向链表用于记录许久未操作的元素以及刚刚操作的元素，也能记录存取的顺序。满足这个条件的数据结构Java中有LinkedHashMap，所以直接用这个封装好的类来进行实现，只需要重写其中的removeEldestEntry来告诉方法什么时候来删除这个最老的元素：

class LRUCache extends LinkedHashMap<Integer, Integer> {
    private int capacity;

    public LRUCache(int capacity) {
        //0.75是负载因子，用于扩容
        //true代表按存入顺序进行存储
        super(capacity, 0.75F, true);
        this.capacity = capacity;
    }
    
    public int get(int key) {
        return super.getOrDefault(key, -1);
    }
    
    public void put(int key, int value) {
        super.put(key, value);
    }
    //这就相当于一个条件，告诉程序什么时候删除最长时间没用的元素
    @Override
    protected boolean removeEldestEntry(Map.Entry<Integer, Integer> eldest) {
        return size() > capacity;
    }
}

还有的话就是需要我们自己来实现双向链表了，这里将新存进来的元素放到链表前面，将老的节点放在尾部，需要的话直接删除。

public class LRUCache{
        //创建一个双向链表节点对象
        class DLinkedNode{
            int key;
            int value;
            DLinkedNode prev;
            DLinkedNode next;

            public DLinkedNode() {}

            public DLinkedNode(int key, int value) {
                this.key = key;
                this.value = value;
            }
        }
        //创建一个哈希表
        private Map<Integer, DLinkedNode> map = new HashMap<Integer, DLinkedNode>();
        //记录存了多少个数
        private int size;
        //用于设定数组的容量
        private int capacity;
        private DLinkedNode head, tail;
        public LRUCache(){}

        public LRUCache(int capacity) {
            size = 0;
            this.capacity = capacity;
            //生成伪头结点和伪尾结点
            head = new DLinkedNode();
            tail = new DLinkedNode();
            head.next = tail;
            tail.prev = head;
        }
        public int get(int key){
            DLinkedNode node = map.get(key);
            if(node == null){
                return -1;
            }
            moveToHead(node);
            return node.value;
        }
        public void put(int key, int value){
            DLinkedNode node = map.get(key);
            if(node == null){
                DLinkedNode newNode = new DLinkedNode(key, value);
                map.put(key, newNode);
                addToHead(newNode);
                size++;
                //如果超出容量，那么删除链表的尾部节点
                if(size > capacity){
                    DLinkedNode tail = removeTail();
                    //删除哈希表中对应的项
                    map.remove(tail.key);
                    size--;
                }
            }else{
                //如果key存在，先通过Hash表定位，再修改value，并移动到头部
                node.value = value;
                moveToHead(node);
            }
        }
        private DLinkedNode removeTail(){
            DLinkedNode res = tail.prev;
            removeNode(res);
            return res;
        }
        private void moveToHead(DLinkedNode node){
            removeNode(node);
            addToHead(node);
        }
        private void addToHead(DLinkedNode node){
            head.next.prev = node;
            node.next = head.next;
            head.next = node;
            node.prev = head;
        }
        private void removeNode(DLinkedNode node){
            node.prev.next = node.next;
            node.next.prev = node.prev;
        }
    }

2、排序链表

//给你链表的头结点 head ，请将其按 升序 排列并返回 排序后的链表 。
//
// 进阶：
//
//
// 你可以在 O(n log n) 时间复杂度和常数级空间复杂度下，对链表进行排序吗？
//
//
//
//
// 示例 1：
//
//
//输入：head = [4,2,1,3]
//输出：[1,2,3,4]
//
//
// 示例 2：
//
//
//输入：head = [-1,5,3,4,0]
//输出：[-1,0,3,4,5]
//
//
// 示例 3：
//
//
//输入：head = []
//输出：[]
//
//
//
//
// 提示：
//
//
// 链表中节点的数目在范围 [0, 5 * 104] 内
// -105 <= Node.val <= 105
//
// Related Topics 排序 链表

直接存到List中再进行排序：

public ListNode sortList(ListNode head) {
    	if(head == null || head.next == null){
    		return head;
		}
		List<ListNode> list = new ArrayList<>();
		while(head != null){
			list.add(head);
			head = head.next;
		}
		Collections.sort(list, new Comparator<ListNode>() {
			@Override
			public int compare(ListNode o1, ListNode o2) {
				return o1.val - o2.val;
			}
		});
		for (int i = 0; i < list.size() - 1; i++) {
			list.get(i).next = list.get(i+1);
		}
		//这一句话必须写，不然就会出现循环链表
		list.get(list.size() - 1).next = null;
		return list.get(0);
    }