5.23 滑动窗口的最大值
题目描述:
给定一个数组 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 k 内的数字。滑动窗口每次只向右移动一位。
返回滑动窗口最大值。
示例:
输入: nums = [1,3,-1,-3,5,3,6,7], 和 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
解法一:双端队列(最优解法)
- 将前k个元素入队,也就是将1,3,-1 入队,因为我们要保持最左边的元素为最大元素,则我们可以将1出队,此时队列从[1,3,-1]变为[3,-1],结果集数组为[3],继续移动窗口。
- 将-3入队,此时队列为[3,-1,-3],则此时最大值依然是3,结果集为[3,3],继续移动窗口。
3. 将5入队,此时队列为[-1.-3.5],则我们将左边比5小的元素都出队,则队列变为[5],则此时5是这个队列的最大值。结果集为[3,3,5],继续移动窗口。
4. 将3入队,此时队列为[5,3],此时5为队列最大值,结果集为[3,3,5,5],继续移动窗口。
5. 将6入队,此时队列为[5,3,6],则将左边比6小的元素出队,队列变为[6],此时队列最大值为6,结果集为[3,3,5,5,6],继续移动窗口。
6. 将7入队,此时队列为[6,7],此时队列最大值为7,将左边比7小的元素出队,此时队列最大值为7,结果集为[3,3,5,5,6,7] 结束 。
时间复杂度分析:
对于入队和出队操作,时间复杂度为O(1),一共进行n次,则时间复杂度为O(n),整体时间复杂度为O(n),比优先队列的解法好。
代码步骤:
1 出队操作(如果队列中保存的数组小标比移动窗口要小,则要移出队列)
2 入队的判断(如果大于队列中的元素,将队列其他元素出队,该元素入队)
3 加入队列(注意,加入的是数组的下标,不是数组值)
4 加入结果集数组
代码:
/**
* 描述: 滑动窗口最大值
* <p>
* 思路:
* 解法一: 使用双端队列实现
* 解法二: 使用优先队列(最大堆)
*
*
* @author pengjie_yao
* @date 2019/7/19 20:36
*/
public class MaxSlidingWindow {
public static void main(String[] args) {
int[] array = new int[]{1, 3, -1, -3, 5, 3, 6, 7};
int[] maxarray = dequeueWindow(array,3);
System.out.println(Arrays.toString(maxarray));
}
/**
* 双端队列实现
* @param array
* @param k
* @return
*/
public static int[] dequeueWindow(int[] array, int k) {
if (array.length == 0) {
return new int[]{};
}
int[] maxArray = new int[array.length - k + 1];
Deque<Integer> deque = new ArrayDeque();
for (int i = 0; i < array.length; i++) {
// 1.出队操作,当移入元素,则对应的元素位置应该出队
if (i >= k && i - k + 1 > deque.peek()) {
deque.remove();
}
// 2. 右移入判断,如果左边元素比右边元素小,则全部移出
while (!deque.isEmpty() && array[i] > array[deque.peekLast()]) {
deque.removeLast();
}
// 3.将数组下标加入数组
deque.add(i);
// 4. 将值放入结果数组
if (i - k + 1 >= 0) {
maxArray[i-k+1] = array[deque.peek()];
}
}
return maxArray;
}
}
解法二: 优先队列(基于最大堆)
我们依然以数组[1,3,-1,-3,5,3,6,7],且k=3为例进行讲解。
1 将前三个元素加入最大堆中,此时堆顶元素为3,则结果数组[3]
2 窗口继续右移,则此时我们要做的是将1移除堆,并且将-3移入堆并调整堆,此时堆顶元素为3,则数组[3,3]
4 窗口继续右移,元素5入堆,元素3从堆中删除,调整堆,此时堆顶元素为5,则数组为[3,3,5]
5。 窗口继续右移,元素3入堆,元素-1从堆中删除,调整堆,此时堆顶元素为5,则数组为[3,3,5,5]
- 窗口继续右移,元素6入堆,元素-3出堆,调整堆,此时堆顶元素为6,则数组为[3,3,5,5,6]
窗口 右移,元素7入堆,元素3从堆中删除,调整堆,此时堆顶元素为7,则数组为[3,3,5,5,6,7]
代码如下:
/**
* 描述: 滑动窗口最大值
* <p>
* 思路:
* 解法一: 使用双端队列实现
* 解法二: 使用优先队列(最大堆)
*
*
* @author pengjie_yao
* @date 2019/7/19 20:36
*/
public class MaxSlidingWindow {
public static void main(String[] args) {
int[] array = new int[]{1, 3, -1, -3, 5, 3, 6, 7};
int[] maxarray = maxSlidingWindow(array,3);
System.out.println(Arrays.toString(maxarray));
}
/**
* 优先队列: 最大堆
*
* @param array
* @param k
*/
public static int[] maxSlidingWindow(int[] array, int k) {
PriorityQueue<Integer> priorityQueue = new PriorityQueue(new Comparator<Integer>() {
@Override
public int compare(Integer o1, Integer o2) {
return o2 - o1;
}
});
// 1.堆数组为空进行判断
if (array.length == 0) {
return new int[]{};
}
// 结果数组,用来存储返回的结果集数组
int[] maxArray = new int[array.length - k + 1];
// 2. 遍历数组,并放入堆中
for (int i = 0; i < array.length; i++) {
// 将元素加入堆中
priorityQueue.offer(array[i]);
// 3. 当堆中的元素大于或者等于k的时候,将堆顶元素放入结果数组,并删除堆中元素
if (i + 1 >= k) {
maxArray[i - k + 1] = priorityQueue.peek();
priorityQueue.remove(array[i - k+1]);
}
}
return maxArray;
}
}
以上解法,采用优先队列,则时间复杂度为O(logk),遍历时间复杂度为O(n),则总时间复杂度为O(nlogk)