滑动窗口最大值——单调队列的实践

一、单调队列的介绍

单调队列，即单调递减或单调递增的队列。而且，队首和队尾都可以进行出队操作，但只有队尾可以进行入队操作。它类似于下面这幅图：

二、239. 滑动窗口最大值

给你一个整数数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。
返回 滑动窗口中的最大值 。

 三、使用单调队列

暴力方法，遍历一遍的过程中每次从窗口中在找到最大的数值,

对于长度为 n 的数组 nums 而言，窗口的数量为 n−k+1，因此该算法的时间复杂度为 O((n−k+1)k)=O(n * k)的算法。我们可以想到，对于两个相邻（只差了一个位置）的滑动窗口，它们共用着 k−1 个元素，而只有 1 个元素是变化的。我们可以根据这个特点进行优化。

我们需要一个队列，而这个队列呢，放进去窗口里的元素，然后随着窗口的移动，队列也一进一出，每次移动之后，队列告诉我们里面的最大值是什么。那怎么知道最大值呢？

所以这里就要维护一个单调递减的队列，这样队头就是最大值。为了保证队头的值最大，后续入队列的元素都是比它小的，而且是依次单调递减的元素。可是一旦发现某个元素入队时，它居然比队头元素更大，此时队列的单调性就不能维持了，我们就要把原来入队的元素都干掉，只留下这个新来的元素，让单调队列一切重新开始。

这个过程有点封建王朝，人们不断的追求权力，但是不允许自己的后来者超过自己，可是皇位不可能永传，新来者会推翻一切，重新洗牌，循环往复。

代码

class Solution {
public:
    // 求出滑动窗口的最大值
    vector<int> maxSlidingWindow(vector<int> &nums, int k)
    {
        int n = nums.size();

        // 为了可以同时弹出队首和队尾的元素，使用deque
        // 使用一个单调队列，存储所有还没有被移除的下标，即窗口的大小，下标对应的值单调递增
        deque<int> q; 

        // 初始滑动窗口的处理
        for (int i = 0; i < k; ++i) {
            while (!q.empty() && nums[i] >= nums[q.back()]) {
                q.pop_back();
            }
            q.push_back(i);
        }

        vector<int> ans = { nums[q.front()] }; // 存入前面K个元素中的最大值

        // 开始移动窗口
        for (int i = k; i < n; ++i) {  // 当滑动窗口向右移动
            while (!q.empty() && nums[i] >= nums[q.back()]) { // 新来的元素比对列中的大，则队列中的元素要被移除
                q.pop_back();
            }
            q.push_back(i); // 后续的值入队列
            while (q.front() <= i - k) {  // 此时队头的元素就是队中所有元素的最大值，但是如果该值如果不在该窗口中
                q.pop_front(); // 也要移除它
            }
            ans.push_back(nums[q.front()]);  // 此时队首下标对应的元素就是滑动窗口中的最大值
        }
        return ans;
    }
};

四、使用优先队列

对于「最大值」，我们可以想到一种非常合适的数据结构，那就是优先队列（堆），其中的大根堆可以帮助我们实时维护一系列元素中的最大值。

对于本题而言，初始时，我们将数组 nums 的前 k 个元素放入优先队列中。每当我们向右移动窗口时，我们就可以把一个新的元素放入优先队列中，此时堆顶的元素就是堆中所有元素的最大值。然而这个最大值可能并不在滑动窗口中，在这种情况下，这个值在数组 nums 中的位置出现在滑动窗口左边界的左侧。因此，当我们后续继续向右移动窗口时，这个值就永远不可能出现在滑动窗口中了，我们可以将其永久地从优先队列中移除。

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int> &nums, int k)
    {
        int n = nums.size();
        // pair第一个元素代表值，第二个元素代表索引
        priority_queue<pair<int, int>> q;  // 最大堆
        for (int i = 0; i < k; ++i) {  // 我们将数组前 k 个元素放入优先队列中
            q.emplace(nums[i], i);
        }

        vector<int> ans = {q.top().first};  // 最大值
        for (int i = k; i < n; ++i) {  // 当我们向右移动窗口时，我们就可以把一个新的元素放入优先队列中
            q.emplace(make_pair(nums[i], i));
            while (q.top().second <= i - k) {  // 此时堆顶的元素就是堆中所有元素的最大值，但是该值如果不在该窗口中
                q.pop(); // 移除它
            }
            ans.push_back(q.top().first);
        }
        return ans;
    }
};

参考：

代码随想录

力扣