代码随想录算法训练营第十三天|239. 滑动窗口最大值（使用双端队列实现单调队列）、347.前 K 个高频元素 (使用优先级队列)

目录

239. 滑动窗口最大值（使用双端队列实现单调队列）

347.前 K 个高频元素 (使用优先级队列)

---

239. 滑动窗口最大值（使用双端队列实现单调队列）

之前讲的都是栈的应用，这次该是队列的应用了。

本题算比较有难度的，需要自己去构造单调队列，建议先看视频来理解。

题目链接/文章讲解/视频讲解：代码随想录

题解思路：

这题还是蛮绕的，使用双端队列实现单调队列，虽然卡哥视频讲的思路很简单，但是编写的时候边界问题还是值得去好好思考的，主要解决三个问题（以k = 3为例说明）：
第一个问题：每次滑动窗口的元素比较的是3个元素之间的大小！！！如何写判断条件使得队列中如果大于3个元素该如何去pop()出去？
第二个问题：添加到队列中的元素值一定是单调的！！！如何写判断条件保证添加到队列中的元素是单调性的？
第三个问题：保证每次滑动窗口最大值保存到结果集里面，如何取出每次滑动窗口的最大值？
对于以上三个问题的解决办法如下分析：
解决问题一：这里解题的很关键的一点是：循环遍历数组元素的时候，使用双端队列中的元素存储数组的下标值，因为后期要段判断每个滑动窗口范围内的元素的下表索引值的是不是在[i, i + k - 1]范围内，可以直接比较头结点下标是不是在[i - k + 1, i]范围内，从而去判断队列里面存储的是不是每个滑动窗口范围内的元素，不符合则要弹出。这里不是判断[i, i + k -1]是因为队列的头部元素存储的是下标为 i- k + 1 的元素，而滑动窗口往后移动的时候判断比较的是与头部元素下标的索引值。
解决问题二：只要每次添加的时候，先判断添加的数组元素值要比存储在队列末尾下标对应的元素值的大，才在队列中该数组元素对应的下标值，否则弹出末尾的值即可实现单调队列。
解决问题三：从一开始遍历下一直到如果大于等于k-1个，之后的每次遍历i++的时候，都要取出队列中的头部元素，也就是对应当前滑动窗口元素的最大值对应的下标索引值，实际上当在队列前k个元素经过上述判读并添加到队列中后，之后i自增之后都要取出队列中的头部元素，因为要及时取出滑动窗口对应的最大值

class Solution {

    Deque<Integer> deque = new ArrayDeque<>();

    public int[] maxSlidingWindow(int[] nums, int k) {

        int[] result = new int[nums.length - k + 1];
        int index = 0;


        for(int i = 0; i < nums.length; i++){

            while(!deque.isEmpty() && deque.peek() < i - k + 1){ //队列头结点需要在[i - k + 1, i]范围内，不符合要弹出，可以直接比较下标的大小去判断是不是在[i - k + 1, i]范围内，从而去判断队列里面存储的是不是每个滑动窗口范围内的元素
            //这里不是判断[i, i + k -1]是因为队列的头部元素存储的是小标为 i- k + 1 的元素，所以滑动窗口往后移动的时候判断比较的是与头部元素下标的索引值
            deque.pop(); //
            }

            while(!deque.isEmpty() && nums[i] > nums[deque.peekLast()]){ //保证每次放进去的数字要比末尾的都大，否则弹出末尾的值
                deque.pollLast();
            }
            deque.offer(i); //将数组的下表存储在双端队列中，因为后期要段判断每个滑动窗口范围内的元素的下表索引值的是不是在[i - k + 1, i]范围内，不符合则要弹出

            if(i >= k - 1){
                result[index++] = nums[deque.peek()];  //从一开始遍历下一直到如果大于等于k-1个，之后的每次遍历i++的时候，都要取出队列中的头部元素，也就是对应当前滑动窗口元素的最大值对应的下标索引值，实际上当在队列前k个元素经过上述判读并添加到队列中后，之后i自增之后都要取出队列中的头部元素，因为要及时取出滑动窗口对应的最大值
            }         
        }
        return result;
    }

}

---

347.前 K 个高频元素 (使用优先级队列)

大/小顶堆的应用， 在C++中就是优先级队列

本题是 大数据中取前k值 的经典思路，了解想法之后，不算难。

题目链接/文章讲解/视频讲解：代码随想录

题解思路：

本题对于理解优先级队列的PriorityQueue的API的原理还是有帮助的，能理顺这里面的三个步骤说明是基本理解优先级队列的底层的实现原理。
第一步：使用map集合存储key为元素值，value是元素出现次数的键值对；
第二步：使用优先级队列PriorityQueue去存储map中的键值对，因此优先级队列的元素数组类型的数据，队列构造的时候直接指定Comparator比较器的排序方式
第三步：由于小顶堆每次弹出的都是从最小的根节点弹出，因此需要逆序存储在结果数组中，从而输出前k个高频元素

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> map = new HashMap<>();
        int[] result = new int[k];

        //第一步：使用map集合存储key为元素值，value是元素出现次数的键值对
        for(int i = 0; i < nums.length; i++){
            if(map.containsKey(nums[i])){
                map.put(nums[i], map.get(nums[i]) + 1);
            }else{
                map.put(nums[i], 1);
            } 
        }

        //第二步：使用优先级队列PriorityQueue去存储map中的键值对，因此优先级队列的元素数组类型的数据，队列构造的时候直接指定Comparator比较器的排序方式
        //优先级队列这种数据结构底层的原理就是二叉堆的操作，
        PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair1[1]-pair2[1]);
        Set<Map.Entry<Integer,Integer>> entrySet = map.entrySet();
        for(Map.Entry<Integer,Integer> element : entrySet){
            if(pq.size() < k){
                pq.add(new int[]{element.getKey(), element.getValue()});
            }else{
                if(element.getValue() > pq.peek()[1]){ 
                    pq.poll();
                    pq.add(new int[]{element.getKey(), element.getValue()});
                }
            }
        }

        //第三步：由于小顶堆每次弹出的都是从最小的根节点弹出，因此需要逆序存储在结果数组中，从而输出前k个高频元素
        for(int i = k - 1; i >= 0; i--){
            result[i] = pq.poll()[0];
        }

        return result;
    }
}