逆波兰表达式&&滑动窗口最大值(LeetCode 150&&239)

题目

150. 逆波兰表达式求值

思路

使用Character.isDigit()判断是否为数字,结果这个只能判断正数,负数就会报错!后面使用正则表达,想着匹配+-*/四个运算符,但是不会,老是报错,太多特殊字符了!就去匹配正负数! 

代码

public int evalRPN(String[] tokens) {
        Stack<Integer> stack = new Stack<>();
        for (int i = 0; i < tokens.length; i++) {
            // \\-?\d+ \\-?表示-号最多出现一次 \\d+ 多位数的数字字符匹配
            if(tokens[i].matches("\\-?\\d+")){
                // 当前字符为数字 将字符转化为数字 入栈
                stack.push(Integer.valueOf(tokens[i]));
            }
            else {
                // 不为数字 则为运算符 则取出栈顶两个数字进行计算
                int temp_1 = stack.pop();
                int temp_2 = stack.pop();
                char temp = tokens[i].charAt(0);
                switch (temp){
                    case '+':
                        stack.push(temp_2 + temp_1);
                        break;
                    case '-':
                        stack.push(temp_2 - temp_1);
                        break;
                    case '*':
                        stack.push(temp_2 * temp_1);
                        break;
                    case '/':
                        stack.push(temp_2 / temp_1);
                        break;
                }

            }
        }
        return stack.pop();

题目

239. 滑动窗口最大值 

思路

主要是实现寻找滑动窗口中的最大值,代码随想录 中使用单调队列进行维护当前最大值。

代码

class My_Queue{
    Deque<Integer> queue = new LinkedList<>();
    // Deque 双端队列 first和last
    // add和offer从last端添加元素
    // push、pop、peek 都是从first端操作数据
    public void Pop(int value){
        if(!queue.isEmpty() && value == queue.peek()){
            queue.pop();
        }
    }
    public void Push(int value){
        while (!queue.isEmpty() && value > queue.getLast()){
            queue.removeLast();
        }
        queue.add(value);
    }
    public int max(){
        return queue.peek();
    }
}
class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        My_Queue queue = new My_Queue();
        int[] out = new int[nums.length - k + 1];
        int flag = 0;
        for (int i = 0; i < nums.length; i++) {
            // 前面k个数 直接push到队列中
            if(i < k){
                queue.Push(nums[i]);
            }
            else {
                out[flag++] = queue.max();
                queue.Pop(nums[i-k]);
                queue.Push(nums[i]);
            }
        }
        out[flag] = queue.max();
        return out;
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用\[1\],可以使用暴力解法来求解滑动窗口的最大。具体的做法是,遍历数组,对于每个窗口,使用一个内部循环来找到窗口中的最大,并将其存储在结果数组中。时间复杂度为O(n*k),其中n为数组长度,k为窗口大小。 根据引用\[2\],还可以使用队列来求解滑动窗口的最大。具体的做法是,使用一个双端队列来维护一个单调递减的窗口。遍历数组,对于每个元素,首先判断队头是否在滑动窗口范围内,如果不在,则将其从队头移除。然后,将当前元素与队尾元素比较,如果当前元素大于队尾元素,则将队尾元素移除,直到队列为空或者当前元素小于等于队尾元素。最后,将当前元素的索引插入队尾。如果滑动窗口的元素个数达到了k个,并且始终维持在窗口中,就将队头元素加入答案数组中。时间复杂度为O(n),其中n为数组长度。 综上所述,可以使用暴力解法或者使用队列来求解leetcode滑动窗口的最大。 #### 引用[.reference_title] - *1* *3* [leetcode239. 滑动窗口最大](https://blog.csdn.net/kkkkuuga/article/details/124829581)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [Leetcode#239. 滑动窗口最大 (Java解法)](https://blog.csdn.net/paranior/article/details/114890555)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值