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。
示例 1:
输入:nums = [1,3,-1,-3,5,3,6,7], k = 3
输出:[3,3,5,5,6,7]
解释:
滑动窗口的位置 最大值
--------------- -----
[1 3 -1] -3 5 3 6 7 3
1 [3 -1 -3] 5 3 6 7 3
1 3 [-1 -3 5] 3 6 7 5
1 3 -1 [-3 5 3] 6 7 5
1 3 -1 -3 [5 3 6] 7 6
1 3 -1 -3 5 [3 6 7] 7
思路:
窗口的最大值使用优先队列寻找,但是每当窗口向右移动,我们把刚刚进入窗口的元素加入堆中,同时判断最大的元素是否是已经被移出窗口,如果已经被移出窗口,我们就寻找下一个满足窗口左右区间的最大值
Java代码示例:
public int[] maxSlidingWindow(int[] nums, int k) {
int len = nums.length;
if(k > len || k <= 0){
return new int[0];
}
//大根堆,这里相当于 C++ 的 pair
PriorityQueue<int[]> queue = new PriorityQueue<>( (o1, o2) -> o2[0] - o1[0]);
int[] res = new int[len-k+1];
int i = 0;
for(; i<k; i++){
queue.offer(new int[]{nums[i], i});
}
res[i-k] = queue.peek()[0];
for(; i<len; i++){
queue.add(new int[]{nums[i], i});
while(queue.peek()[1] <= i-k){
queue.poll();
}
res[i-k+1] = queue.peek()[0];
}
//这里也可以先判断最大值是否被移出堆,但是如果这样做就要判断堆是否为空
//前面不需要判断的原因是,我们先把一个元素加入了堆,这个元素是肯定满足窗口左右区间的
//所以堆一定不会为空,所以不需要判断
//先判断最大值是否被移出堆的代码如下:
/*
for(; i<len; i++){
while(!queue.isEmpty() && queue.peek()[1] <= i-k){
queue.poll();
}
queue.add(new int[]{nums[i], i});
res[i-k+1] = queue.peek()[0];
}
*/
return res;
}
C++代码示例:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int len = nums.size();
if(k > len || k < 0) return {};
vector<int> res;
int i = 0;
priority_queue<pair<int, int>> q;//最大堆,存放数据和在数组中的位置
for(; i<k; i++){
q.emplace(nums[i], i);//原位构造元素,不产生临时对象
}
res.push_back(q.top().first);
for(; i<len; i++){
q.emplace(nums[i], i);//原位构造元素,不产生临时对象
//判断最大值是否还在窗口内
if(q.top().second <= i-k){
q.pop();
}
res.push_back(q.top().first);
}
return res;
}
参考文献
官方结题思路