一、LeetCode 239. 滑动窗口最大值
题目链接/文章讲解/视频讲解: https://programmercarl.com/0239.%E6%BB%91%E5%8A%A8%E7%AA%97%E5%8F%A3%E6%9C%80%E5%A4%A7%E5%80%BC.html状态:已解决
1.思路
第一眼暴力,第二眼有点单调队列的感觉,想着几个数连在一起那么保留最大值就可以了,但想来想去又pass掉这个想法了,后面看了讲解才发现这种想法出发点是对的,但是只对了一半。
问题的核心:
(1)pop最左端的元素
(2)push下一个右端元素
(3)求滑动窗口最大值
因为要按顺序pop元素,故不能用大顶堆(优先级队列)来存放滑动窗口内的值,否则每次只能弹出最大值。
其实这道题最难的地方就是求滑动窗口最大值,不用暴力排序的话,怎么做呢?其实有一个很巧妙的方法:例如已知一个序列[1,2,3,-1,5,4],k=3,前三个数字为[1,2,3],那么我们取3,然后pop掉1,接着进来-1,照例取3,然后pop掉2,那么,为什么我们一开始不直接存3呢?其实是可以的,因为1,2,3已经在滑动窗口内了,而最大值出现在靠后面,那么比它小的前面的数字就不用存,因为只要有3在窗口内,最大值要么取3,要么从3后面的数字开始取。因此,窗口的最前端(出口端)永远是队列最大值(前面的比它小的都丢掉了)。解决了窗口出端的问题,那么窗口的入口端(右端)又该怎么处理呢?其实也很简单,因为队列出口端维护的始终是最大值,那么后面新进来的数,如果比前面的数都大,按照刚刚说的原理,应该把前面的数都丢掉,那如果比前面的数都小呢?那应该保留下来,因为现在最小不代表把前面的元素pop后它还是最小。两种不同大小的元素不同处理方式的根本原因是:比前面某些元素大的新进元素,假如这个区间选最大值,那么一定不会选它前面比更小的元素;而比前面元素都小的新进元素,假如这个区间不是最大值,但很有可能未来在后面的区间可能成为最大值。本质是因为我们可以判断已经在窗口中的元素的最大值,而不能预测未来还没有出现在窗口中的元素的最大值。
这样处理下来,整个队列都是单调递减的,因而叫单调队列,但它和优先队列不一样,因为优先队列是排序,而单调队列是维护。
即构造这样的队列:
(1)pop(value):如果窗口移除的元素value等于单调队列的出口元素(最大值),那么队列弹出元素,否则不用任何操作。
(2)push(value):如果push的元素value大于入口元素的数值,那么就将队列入口的元素弹出,直到push元素的数值小于等于队列入口元素的数值为止。
2.代码实现
class Solution {
private:
class MyQue{
public:
deque<int> q;
void pop(int value){
if(!q.empty() && q.front() == value){
q.pop_front();
}
}
void push(int value){
while(!q.empty() && value>q.back()){
q.pop_back();
}
q.push_back(value);
}
int front(){
return q.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
MyQue q;
vector<int> result;
for(int i=0;i<k;i++){
q.push(nums[i]);
}
result.push_back(q.front());
for(int i=1;i<nums.size()-k+1;i++){
q.pop(nums[i-1]);
q.push(nums[i+k-1]);
result.push_back(q.front());
}
return result;
}
};
时间复杂度:O(n)
空间复杂度:O(k)
二、LeetCode 347.前 K 个高频元素
题目链接/文章讲解/视频讲解: https://programmercarl.com/0347.%E5%89%8DK%E4%B8%AA%E9%AB%98%E9%A2%91%E5%85%83%E7%B4%A0.html状态:已解决
1.思路
第一反应是没有反应,跑去看了讲解,典型的优先队列。
这道题的核心问题是:
(1)统计元素出现频率
(2)对频率排序
(3)找出前k个高频元素
对于(1),根据前面哈希表相关练习的时候我们很容易想到用map这种数据结构(因为既要记录元素,又要记录频率)。
对于(2),这里介绍的是优先队列。优先队列其实是一种堆结构,分为大顶堆(堆头是最大元素)和小顶堆两种(堆头是最小元素)。说是队列,其实就是一个披着队列外衣的堆,因为优先级队列对外接口只是从队头取元素,从队尾添加元素,再无其他取元素的方式,看起来就是一个队列,而且优先级队列内部元素是自动依照元素的权值排列,具体排序原理这里不过多介绍。此题我们要用小顶堆,因为要统计最大前k个元素,只有小顶堆每次将最小的元素弹出,最后小顶堆里积累的才是前k个最大元素。反之统计前最小,用大顶堆。
寻找前k个最大元素流程如图所示:(图中的频率只有三个,所以正好构成一个大小为3的小顶堆,如果频率更多一些,则用这个小顶堆进行扫描)
对于(3),只需逆序输出队列即可。
2.代码实现
class Solution {
public:
class mycomparison{
public:
bool operator()(const pair<int,int>& lhs,const pair<int,int>& rhs){
return lhs.second > rhs.second;
}//小顶堆排序方式
};
vector<int> topKFrequent(vector<int>& nums, int k) {
unordered_map<int,int> map;
for(int i=0;i<nums.size();i++){
map[nums[i]]++;
}//统计频率
priority_queue<pair<int,int>,vector<pair<int,int>>,mycomparison> pri_queue;
//小根堆定义方式。
for(auto iter:map){
pri_queue.push(iter);
if(pri_queue.size() > k){
pri_queue.pop();
}
}//依次扫描排序
vector<int> result(k);//因为逆序输出,故需要先预留空间。
for(int i=k-1;i>=0;i--){
result[i] = pri_queue.top().first;
pri_queue.pop();
}
return result;
}
};
时间复杂度:O(nlogk) //小根堆是快排
空间复杂度: O(n) //map是n