[力扣刷题总结](队列和优先队列(堆)篇)

姬霓钛美

已于 2022-07-21 15:31:08 修改

阅读量4.6k

点赞数 1

分类专栏：数据结构与算法基础文章标签： leetcode 算法职场和发展

于 2021-12-04 20:04:17 首次发布

本文链接：https://blog.csdn.net/weixin_38800498/article/details/121719696

版权

数据结构与算法基础专栏收录该内容

22 篇文章 5 订阅

订阅专栏

文章目录

~~~~~~~~~~~~队列~~~~~~~~~~~~
232. 用栈实现队列
- 解法1：栈+队列
71. 简化路径
- 解法1：deque+字符串模拟
剑指 Offer 59 - II. 队列的最大值
- 解法1：deque+queue
~~~~~~~~~~~~优先队列（堆）~~~~~~~~~~~~
- 一.队列和优先队列的差别
- 二.优先队列（堆）的特性
- 三.基本的堆操作
- 四.C++中优先级队列的定义
- 五.通过重写仿函数来支持自定义数据类型
- 六.通过运算符重载来支持自定义比较函数
215. 数组中的第K个最大元素
- 解法1：堆排序
- 解法2：快排思想
相似题目：347. 前 K 个高频元素
- 解法1：哈希表+最小堆
23. 合并K个升序链表
- 解法1：优先队列
- 解法2：优化优先队列
- 解法3：两两合并
- 解法4：分治
相似题目：378. 有序矩阵中第 K 小的元素
- 解法1：优先队列
630. 课程表 III
- 解法1：贪心+优先队列
1405. 最长快乐字符串
- 解法1：贪心+优先队列
剑指 Offer 41. 数据流中的中位数
- 解法1：两个优先队列
767. 重构字符串
- 解法1：最大堆+哈希表
相似题目：621. 任务调度器
- 解法1：桶思想+排序
239. 滑动窗口最大值
- 解法1：单调队列
- 解法2：优先队列
451. 根据字符出现频率排序
- 解法1：优先队列（堆排序）
295. 数据流的中位数
- 解法1：最大堆+最小堆

队列

232. 用栈实现队列

力扣链接
请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作（push、pop、peek、empty）：
实现 MyQueue 类：
void push(int x) 将元素 x 推到队列的末尾
int pop() 从队列的开头移除并返回元素
int peek() 返回队列开头的元素
boolean empty() 如果队列为空，返回 true ；否则，返回 false

说明：
你只能使用标准的栈操作 —— 也就是只有 push to top, peek/pop from top, size, 和 is empty 操作是合法的。
你所使用的语言也许不支持栈。你可以使用 list 或者 deque（双端队列）来模拟一个栈，只要是标准的栈操作即可。

进阶：
你能否实现每个操作均摊时间复杂度为 O(1) 的队列？换句话说，执行 n 个操作的总时间复杂度为 O(n) ，即使其中一个操作可能花费较长时间。

示例：
输入：
[“MyQueue”, “push”, “push”, “peek”, “pop”, “empty”]
[[], [1], [2], [], [], []]
输出：
[null, null, null, 1, 1, false]

解释：
MyQueue myQueue = new MyQueue();
myQueue.push(1); // queue is: [1]
myQueue.push(2); // queue is: [1, 2] (leftmost is front of the queue)
myQueue.peek(); // return 1
myQueue.pop(); // return 1, queue is [2]
myQueue.empty(); // return false

提示：
1 <= x <= 9
最多调用 100 次 push、pop、peek 和 empty
假设所有操作都是有效的（例如，一个空的队列不会调用 pop 或者 peek 操作）

解法1：栈+队列

思路：
（1）这是一道模拟题，不涉及到具体算法，考察的就是对栈和队列的掌握程度。

（2）使用栈来模式队列的行为，如果仅仅用一个栈，是一定不行的，所以需要两个栈一个输入栈，一个输出栈，这里要注意输入栈和输出栈的关系。

（3）在push数据的时候，只要数据放进输入栈就好，但在pop的时候，操作就复杂一些，输出栈如果为空，就把进栈数据全部导入进来（注意是全部导入），再从出栈弹出数据，如果输出栈不为空，则直接从出栈弹出数据就可以了。

（4）最后如何判断队列为空呢？如果进栈和出栈都为空的话，说明模拟的队列为空了。

代码：

class MyQueue {
public:
    stack<int> staIn;//输入栈
    stack<int> staOut;//输出栈

    MyQueue() {
    }//构造函数
    
    void push(int x) {
        staIn.push(x);
    }
    
    int pop() {
        //当输出栈为空时，将输入栈的所有元素导入输出栈，然后执行pop；否则就先pop再导入
        if (staOut.empty())
        {
            // 从stIn导入数据直到stIn为空
            while (!staIn.empty()){
                staOut.push(staIn.top());
                staIn.pop();
            }
        }
        int result = staOut.top();
        staOut.pop();
        return result;
    }
    
    int peek() {
        // 直接使用已有的pop函数
        int result = this->pop();
        staOut.push(result);// 因为pop函数弹出了元素res，所以再添加回去
        return result;
    }
    
    bool empty() {
        return staIn.empty() && staOut.empty();
    }
};

/**
 * Your MyQueue object will be instantiated and called as such:
 * MyQueue* obj = new MyQueue();
 * obj->push(x);
 * int param_2 = obj->pop();
 * int param_3 = obj->peek();
 * bool param_4 = obj->empty();
 */

复杂度分析：
在这里插入图片描述

71. 简化路径

力扣链接
给你一个字符串 path ，表示指向某一文件或目录的 Unix 风格绝对路径（以 ‘/’ 开头），请你将其转化为更加简洁的规范路径。

在 Unix 风格的文件系统中，一个点（.）表示当前目录本身；此外，两个点（…）表示将目录切换到上一级（指向父目录）；两者都可以是复杂相对路径的组成部分。任意多个连续的斜杠（即，‘//’）都被视为单个斜杠 ‘/’ 。对于此问题，任何其他格式的点（例如，‘…’）均被视为文件/目录名称。

请注意，返回的规范路径必须遵循下述格式：

始终以斜杠 ‘/’ 开头。
两个目录名之间必须只有一个斜杠 ‘/’ 。
最后一个目录名（如果存在）不能以 ‘/’ 结尾。
此外，路径仅包含从根目录到目标文件或目录的路径上的目录（即，不含 ‘.’ 或 ‘…’）。
返回简化后得到的规范路径。

示例 1：

输入：path = “/home/”
输出：“/home”
解释：注意，最后一个目录名后面没有斜杠。

示例 2：

输入：path = “/…/”
输出：“/”
解释：从根目录向上一级是不可行的，因为根目录是你可以到达的最高级。

示例 3：

输入：path = “/home//foo/”
输出：“/home/foo”
解释：在规范路径中，多个连续斜杠需要用一个斜杠替换。

示例 4：

输入：path = “/a/./b/…/…/c/”
输出：“/c”

提示：

1 <= path.length <= 3000
path 由英文字母，数字，‘.’，‘/’ 或 ‘_’ 组成。
path 是一个有效的 Unix 风格绝对路径。

解法1：deque+字符串模拟

思路：

1 根据’/‘分隔字符串，对于空字符串或’.‘无需理会，因为’.‘代表当前路径
2 将分割出来的字符串加入到deque尾部，如果是’…'且队列不为空,则从尾部删除。
3 将双端队列里的字符串按先进先出的顺序加入ans

代码：

class Solution {
public:
    string simplifyPath(string path) {
        deque<string> dq;
        string result = "", local = "";
        for(int i = 0;i<=path.size();i++){
            if(i == path.size() || path[i] == '/'){
                if(local != "" && local != "."){
                    if(local == ".."){
                        if(dq.size()) dq.pop_back();
                    }
                    else{
                        dq.push_back(local);
                    }
                }
                local = "";
            }
            else{
                local += path[i];
            }
        }

        while(!dq.empty()){
            result += "/";
            result += dq.front();
            dq.pop_front();
        }
        if(result == "") return "/";

        return result;
    }
};

复杂度分析：

时间复杂度：O(n)，其中 nn 是字符串 path 的长度。

空间复杂度：O(n)。我们需要 O(n) 的空间存储 names 中的所有字符串。

剑指 Offer 59 - II. 队列的最大值

力扣链接
请定义一个队列并实现函数 max_value 得到队列里的最大值，要求函数max_value、push_back 和 pop_front 的均摊时间复杂度都是O(1)。

若队列为空，pop_front 和 max_value 需要返回 -1

示例 1：

输入:
[“MaxQueue”,“push_back”,“push_back”,“max_value”,“pop_front”,“max_value”]
[[],[1],[2],[],[],[]]
输出: [null,null,null,2,1,2]
示例 2：

输入:
[“MaxQueue”,“pop_front”,“max_value”]
[[],[],[]]
输出: [null,-1,-1]

限制：

1 <= push_back,pop_front,max_value的总操作数 <= 10000
1 <= value <= 10^5

解法1：deque+queue

思路：
参考

在这里插入图片描述

代码：

class MaxQueue {
private:
    queue<int> q;
    deque<int> d;
public:
    MaxQueue() {

    }
    
    int max_value() {
        if(d.empty()) return -1;
        return d.front();
    }
    
    void push_back(int value) {
        while(!d.empty() && value > d.back()){
            d.pop_back();
        }
        d.push_back(value);
        q.push(value);
    }
    
    int pop_front() {
        if(q.empty()) return -1;
        int res = q.front();
        q.pop();
        if(res == d.front()) d.pop_front();
        return res;
    }
};

/**
 * Your MaxQueue object will be instantiated and called as such:
 * MaxQueue* obj = new MaxQueue();
 * int param_1 = obj->max_value();
 * obj->push_back(value);
 * int param_3 = obj->pop_front();
 */

在这里插入图片描述

优先队列（堆）

该部分主要参考最详细版图解优先队列（堆）

一.队列和优先队列的差别

在这里插入图片描述

二.优先队列（堆）的特性

在这里插入图片描述

三.基本的堆操作

在这里插入图片描述

四.C++中优先级队列的定义

参考
（1）priority_queue 容器适配器定义了一个元素有序排列的队列。默认队列头部的元素优先级最高。 因为它是一个队列，所以只能访问第一个元素，这也意味着优先级最高的元素总是第一个被处理。但是如何定义“优先级”完全取决于我们自己。如果一个优先级队列记录的是医院里等待接受急救的病人，那么病人病情的严重性就是优先级。如果队列元素是银行的借贷业务，那么借记可能会优先于信贷。

（2）
C++中，使用优先级队列需要包含头文件，优先级队列的定义如下：

priority_queue<typename, container, functional>

1.typename是数据的类型；
2.container是容器类型，可以是vector,queue等用数组实现的容器，不能是list，默认可以用vector；
3.functional是比较的方式，默认是大顶堆（就是元素值越大，优先级越高）；如果使用C++基本数据类型，可以直接使用自带的less和greater这两个仿函数（默认使用的是less，就是构造大顶堆，元素小于当前节点时下沉）。使用自定义的数据类型的时候，可以重写比较函数，也可以进行运算符重载（less重载小于“<”运算符，构造大顶堆；greater重载大于“>”运算符，构造小顶堆）。
定义一个优先级队列的示例如下：

//构造一个大顶堆，堆中小于当前节点的元素需要下沉，因此使用less
priority_queue<int, vector<int>, less<int>> priQueMaxFirst;
 
//构造一个小顶堆，堆中大于当前节点的元素需要下沉，因此使用greater
priority_queue<string, vector<string>, greater<string>> priQueMinFirst;

五.通过重写仿函数来支持自定义数据类型

仿函数是通过重载“()”运算符来模拟函数操作的类。

先自定义一个类Data，将id作为该类的关键字，进行比较，重写仿函数。

//自定义数据类型，Data类
class Data
{
public:
	Data(int i, int d) :id(i), data(d) {}
	~Data() {}
	int getId() { return id; }
	int getData() { return data; }
private:
	int id;
	int data;
};
//重写仿函数，完成less的功能，也可以用class定义类，此时需要将运算符重载函数设为public
//结构体struct中默认是访问类型是public
struct cmp    
{
	bool operator() ( Data &a, Data &b) {
		return a.getId() < b.getId();
	}
};
 
int main(void){
    priority_queue<Data, vector<Data>, cmp > priQueMaxFirst;//该优先级队列维护一个大顶堆，因此最大的元素最先出队
    ...//一系列操作
    ...
    return 0;
}

六.通过运算符重载来支持自定义比较函数

#include <iostream>
#include <queue>
using namespace std;

//方法1
struct tmp1 //运算符重载<
{
    int x;
    tmp1(int a) {x = a;}
    bool operator<(const tmp1& a) const
    {
        return x < a.x; //大顶堆
    }
};

//方法2
struct tmp2 //重写仿函数
{
    bool operator() (tmp1 a, tmp1 b) 
    {
        return a.x < b.x; //大顶堆
    }
};

int main() 
{
    tmp1 a(1);
    tmp1 b(2);
    tmp1 c(3);
    priority_queue<tmp1> d;
    d.push(b);
    d.push(c);
    d.push(a);
    while (!d.empty()) 
    {
        cout << d.top().x << '\n';
        d.pop();
    }
    cout << endl;

    priority_queue<tmp1, vector<tmp1>, tmp2> f;
    f.push(b);
    f.push(c);
    f.push(a);
    while (!f.empty()) 
    {
        cout << f.top().x << '\n';
        f.pop();
    }
}

215. 数组中的第K个最大元素

力扣链接
给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。

请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。

示例 1:
输入: [3,2,1,5,6,4] 和 k = 2
输出: 5

示例 2:
输入: [3,2,3,1,2,4,5,5,6] 和 k = 4
输出: 4

提示：
1 <= k <= nums.length <= 104
-104 <= nums[i] <= 104

解法1：堆排序

思路：
优先队列的思路是很朴素的。由于找第 K 大元素，其实就是整个数组排序以后后半部分（k个）最小的那个元素。因此，我们可以维护一个有 K 个元素的最小堆：

1.如果当前堆不满，直接添加；
2.堆满的时候，如果新读到的数小于等于堆顶，肯定不是我们要找的元素，只有新遍历到的数大于堆顶的时候，才将堆顶拿出，然后放入新读到的数，进而让堆自己去调整内部结构

代码：

class Solution {
public:
    int findKthLargest(vector<int>& nums, int k) {
        if (nums.size() == 0 || nums.size() < k) return 0;

        priority_queue<int,vector<int>,greater<int>> heap;
        for (int i = 0;i<k;i++){
            heap.push(nums[i]);
        }

        for (int i = k;i<nums.size();i++){
            if(nums[i]>heap.top()){
                heap.pop();
                heap.push(nums[i]);
            }
        }
        return heap.top();
    }
};

在这里插入图片描述
复杂度分析：

时间复杂度：O(NlogK)，遍历数据 O(N)，堆内元素调整 O(K)；
空间复杂度：O(K)。

解法2：快排思想

思路：

思路

代码：

class Solution {
public:
    //快排思想
    int partition(vector<int>& nums, int l, int r){
        int i = rand() % (r-l+1) + l;
        swap(nums[i],nums[l]);
        int p = nums[l];
        while(l < r){
            while(l < r && nums[r] >= p ) r--;
            swap(nums[r],nums[l]);
            while(l < r && nums[l] < p ) l++;
            swap(nums[r],nums[l]);
        }
        return l;
    }
    int qSort(vector<int>& nums, int l, int r, int k){
        int p = partition(nums, l, r);
        if(p == nums.size() - k) return nums[p];
        else if(p < nums.size() - k) return qSort(nums, p+1, r, k);
        else return qSort(nums, l, p-1, k);
        
    }
    int findKthLargest(vector<int>& nums, int k) {
        return qSort(nums, 0, nums.size() - 1, k);
    }
};

在这里插入图片描述

相似题目：347. 前 K 个高频元素

力扣链接
给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按任意顺序返回答案。

示例 1:

输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]
示例 2:

输入: nums = [1], k = 1
输出: [1]

提示：

1 <= nums.length <= 105
k 的取值范围是 [1, 数组中不相同的元素的个数]
题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的

进阶：你所设计算法的时间复杂度必须优于 O(n log n) ，其中 n 是数组大小。

解法1：哈希表+最小堆

这道题目主要涉及到如下三块内容：

要统计元素出现频率
对频率排序
找出前K个高频元素

class Solution {
public:
    //重写仿函数，完成less的功能，也可以用class定义类，此时需要将运算符重载函数设为public
    //结构体struct中默认是访问类型是public
    struct cmp{
        bool operator()(const pair<int,int>& a, const pair<int,int>& b){
            return a.second > b.second;
        }
    };
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int,int> umap;//num-频数
        int n = nums.size();
        for(int i = 0;i<n;i++){
            umap[nums[i]]++;
        }
        priority_queue<pair<int,int>,vector<pair<int,int>>,cmp> pq;//最小堆
        for(unordered_map<int,int>::iterator it = umap.begin();it!=umap.end();it++){
            pq.push(*it);
            if(pq.size() > k) pq.pop();
        }

        vector<int> res;
        while(!pq.empty()){
            res.push_back(pq.top().first);
            pq.pop();
        }
        return res;
    }
};

在这里插入图片描述

23. 合并K个升序链表

力扣链接
给你一个链表数组，每个链表都已经按升序排列。
请你将所有链表合并到一个升序链表中，返回合并后的链表。

示例 1：
输入：lists = [[1,4,5],[1,3,4],[2,6]]
输出：[1,1,2,3,4,4,5,6]
解释：链表数组如下：
[
1->4->5,
1->3->4,
2->6
]
将它们合并到一个有序链表中得到。
1->1->2->3->4->4->5->6

示例 2：
输入：lists = []
输出：[]

示例 3：
输入：lists = [[]]
输出：[]

提示：
k == lists.length
0 <= k <= 10^4
0 <= lists[i].length <= 500
-10^4 <= lists[i][j] <= 10^4
lists[i] 按升序排列
lists[i].length 的总和不超过 10^4

解法1：优先队列

思路：
在这里插入图片描述

代码：

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode() : val(0), next(nullptr) {}
 *     ListNode(int x) : val(x), next(nullptr) {}
 *     ListNode(int x, ListNode *next) : val(x), next(next) {}
 * };
 */
class Solution {
public:
    struct Node{
        int val;//数据域
        ListNode* ptr;//指针域
        bool operator < (const Node& r) const {
            if(val > r.val) return true;//小根堆
            return false;
        }
    };
   
    ListNode* mergeKLists(vector<ListNode*>& lists) {
        //创建一个堆，并设置元素的排序方式
        priority_queue<Node> que;
        //遍历链表数组，将每个链表的每个结点放入堆
        for(int i = 0;i<lists.size();i++){
            while(lists[i] != nullptr){
                que.push({lists[i]->val,lists[i]});
                lists[i] = lists[i]->next;
            }
        }
        //从堆中不断取出元素，并串联起来
        ListNode* head = new ListNode;
        ListNode* pre = head;
        while(!que.empty()){
            pre->next = que.top().ptr;
            que.pop();
            pre = pre->next;
        }

        pre->next = nullptr;
        return head->next;

    }
};

复杂度分析：
时间复杂度：O（kn*logkn）
空间复杂度：O(kn)

解法2：优化优先队列

思路：
在这里插入图片描述
复杂度分析：

代码：
-重新定义类结点，重载运算符

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode() : val(0), next(nullptr) {}
 *     ListNode(int x) : val(x), next(nullptr) {}
 *     ListNode(int x, ListNode *next) : val(x), next(next) {}
 * };
 */
class Solution {
public:
    struct Node{
        int val;
        ListNode* ptr;
        bool operator < (const Node& r) const{
            return val > r.val;
        }
    };
    ListNode* mergeKLists(vector<ListNode*>& lists) {
        priority_queue<Node> que;
        ListNode* head = new ListNode;
        ListNode* pre = head;

        //这里跟上一版不一样，不再是一股脑全部放到堆中
        //而是只把k个链表的第一个节点放入到堆中
        for(int i = 0;i<lists.size();i++){
            if (lists[i] != nullptr) que.push({lists[i]->val,lists[i]});
        }

        //之后不断从堆中取出节点，如果这个节点还有下一个节点，  
		//就将下个节点也放入堆中
        while(!que.empty()){
            pre->next = que.top().ptr;
            que.pop();
            pre = pre->next;
            if(pre->next != nullptr) que.push({pre->next->val,pre->next});
        }
        pre->next = nullptr;
        return head->next;
    }
};

解法3：两两合并

思路：
在这里插入图片描述
复杂度分析：

代码：

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode() : val(0), next(nullptr) {}
 *     ListNode(int x) : val(x), next(nullptr) {}
 *     ListNode(int x, ListNode *next) : val(x), next(next) {}
 * };
 */
class Solution {
public:
    ListNode* mergeKLists(vector<ListNode*>& lists) {
        if(lists.size() == 0) return nullptr;
        //两两合并
        //将lists[0]作为最终合并的链表，然后将list[0]和lists[1]合并成lists[0-1]
		//再将lists[0-1]和lists[2]合并，如此反复最终lists[0]就是最终结果
        ListNode* result = lists[0];
        for(int i = 1;i<lists.size();i++){
            result = mergeTwoLists(result,lists[i]);
        }
        return result;
    }

    ListNode* mergeTwoLists(ListNode* a, ListNode* b){
        if(a == nullptr) return b;
        else if (b == nullptr) return a;
        else if(a->val < b->val){
            a->next = mergeTwoLists(a->next,b);
            return a;
        }else{
            b->next = mergeTwoLists(a,b->next);
            return b;
        }
    }
};

解法4：分治

思路：
在这里插入图片描述

代码：

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode() : val(0), next(nullptr) {}
 *     ListNode(int x) : val(x), next(nullptr) {}
 *     ListNode(int x, ListNode *next) : val(x), next(next) {}
 * };
 */
class Solution {
public:
    ListNode* mergeKLists(vector<ListNode*>& lists) {
        if(lists.size() == 0) return nullptr;
       
        return helper(lists,0,lists.size()-1);
    }

    ListNode* helper(vector<ListNode*>& lists,int start, int end){
        if (start == end) return lists[start];
        int mid = start + (end-start)/2;
        ListNode* left = helper(lists,start,mid);
        ListNode* right = helper(lists,mid+1,end);
        return mergeTwoLists(left,right);
    }

    ListNode* mergeTwoLists(ListNode* a, ListNode* b){
        if(a == nullptr) return b;
        else if (b == nullptr) return a;
        else if(a->val < b->val){
            a->next = mergeTwoLists(a->next,b);
            return a;
        }else{
            b->next = mergeTwoLists(a,b->next);
            return b;
        }
    }
};

在这里插入图片描述
复杂度分析：

相似题目：378. 有序矩阵中第 K 小的元素

力扣链接
给你一个 n x n 矩阵 matrix ，其中每行和每列元素均按升序排序，找到矩阵中第 k 小的元素。
请注意，它是排序后的第 k 小元素，而不是第 k 个不同的元素。

你必须找到一个内存复杂度优于 O(n2) 的解决方案。

示例 1：

输入：matrix = [[1,5,9],[10,11,13],[12,13,15]], k = 8
输出：13
解释：矩阵中的元素为 [1,5,9,10,11,12,13,13,15]，第 8 小元素是 13
示例 2：

输入：matrix = [[-5]], k = 1
输出：-5

提示：

n == matrix.length
n == matrix[i].length
1 <= n <= 300
-109 <= matrix[i][j] <= 109
题目数据保证 matrix 中的所有行和列都按非递减顺序排列
1 <= k <= n2

进阶：

你能否用一个恒定的内存(即 O(1) 内存复杂度)来解决这个问题?
你能在 O(n) 的时间复杂度下解决这个问题吗?这个方法对于面试来说可能太超前了，但是你会发现阅读这篇文章（ this paper ）很有趣。

解法1：优先队列

在这里插入图片描述

class Solution {
public:
    int kthSmallest(vector<vector<int>>& matrix, int k) {
        auto cmp = [&](const pair<int,int>& a, const pair<int,int>& b){
            return matrix[a.first][a.second] > matrix[b.first][b.second];
        };
        priority_queue<pair<int,int>,vector<pair<int,int>>,cmp> pq(cmp);
        int m = matrix.size(), n = matrix[0].size();
        for(int i = 0;i<min(m,k);i++){
            pq.push({i,0});
        }
        int res = 0;
        while(k>0 && !pq.empty()){
            int x = pq.top().first, y = pq.top().second;
            pq.pop();
            if(k == 1) res = matrix[x][y];
            if(y+1 < n){
                pq.push({x,y+1});
            }
            k--;
        }
        return res;
    }
};

decltype被称作类型说明符，它的作用是选择并返回操作数的数据类型。
[C++] 自定义C++比较器比较大小
在这里插入图片描述

630. 课程表 III

力扣链接
这里有 n 门不同的在线课程，按从 1 到 n 编号。给你一个数组 courses ，其中 courses[i] = [durationi, lastDayi] 表示第 i 门课将会持续上 durationi 天课，并且必须在不晚于 lastDayi 的时候完成。

你的学期从第 1 天开始。且不能同时修读两门及两门以上的课程。

返回你最多可以修读的课程数目。

示例 1：
输入：courses = [[100, 200], [200, 1300], [1000, 1250], [2000, 3200]]
输出：3
解释：
这里一共有 4 门课程，但是你最多可以修 3 门：
首先，修第 1 门课，耗费 100 天，在第 100 天完成，在第 101 天开始下门课。
第二，修第 3 门课，耗费 1000 天，在第 1100 天完成，在第 1101 天开始下门课程。
第三，修第 2 门课，耗时 200 天，在第 1300 天完成。
第 4 门课现在不能修，因为将会在第 3300 天完成它，这已经超出了关闭日期。

示例 2：
输入：courses = [[1,2]]
输出：1

示例 3：
输入：courses = [[3,2],[4,3]]
输出：0

提示:
1 <= courses.length <= 104
1 <= durationi, lastDayi <= 104

解法1：贪心+优先队列

思路：
代码：

class Solution {
public:
    static bool cmp(const vector<int>& a ,const vector<int>& b){
        return a[1] < b[1];
    }
    int scheduleCourse(vector<vector<int>>& courses) {
        //将课程结束时间按升序排序
        sort(courses.begin(),courses.end(),cmp);
        //大根堆，将课程持续时间最长的课放在堆顶
        priority_queue<int> que;
        int sum = 0;
        //从课程结束时间最早的开始加入堆中，如果碰到总课程时间大于课程结束时间
        //就把当前队列中最耗时的课程给弹出队列，借此贪心保证学习的课程最多
        for(vector<int>& course:courses){
            int day = course[0],end = course[1];
            que.push(day);
            sum += day;
            if(sum > end){
                sum-=que.top();
                que.pop();
            }
        }
        return que.size();
    }
};

复杂度分析：

时间复杂度：O(nlogn)
空间复杂度：O(n)

1405. 最长快乐字符串

力扣链接
如果字符串中不含有任何 ‘aaa’，‘bbb’ 或 ‘ccc’ 这样的字符串作为子串，那么该字符串就是一个「快乐字符串」。

给你三个整数 a，b ，c，请你返回任意一个满足下列全部条件的字符串 s：

s 是一个尽可能长的快乐字符串。
s 中最多有a 个字母 ‘a’、b 个字母 ‘b’、c 个字母 ‘c’ 。
s 中只含有 ‘a’、‘b’ 、‘c’ 三种字母。
如果不存在这样的字符串 s ，请返回一个空字符串 “”。

示例 1：

输入：a = 1, b = 1, c = 7
输出：“ccaccbcc”
解释：“ccbccacc” 也是一种正确答案。
示例 2：

输入：a = 2, b = 2, c = 1
输出：“aabbc”
示例 3：

输入：a = 7, b = 1, c = 0
输出：“aabaa”
解释：这是该测试用例的唯一正确答案。

提示：

0 <= a, b, c <= 100
a + b + c > 0

解法1：贪心+优先队列

代码：

struct cmp{
    bool operator()(const pair<int,int>& a, const pair<int,int>& b){
            return a.second < b.second;
        }
};
class Solution {
public:
    string longestDiverseString(int a, int b, int c) {
        // 大顶堆，数量多的在最上面
        priority_queue<pair<int,int>, vector<pair<int,int>>, cmp> pq;//大根堆 
        // 初始化入堆
        if(a != 0) pq.push(pair<int,int>{0,a});
        if(b != 0) pq.push(pair<int,int>{1,b});
        if(c != 0) pq.push(pair<int,int>{2,c});
        string result = "";
        while(pq.size()){
            auto [ch,cnt] = pq.top();
            pq.pop();
            // 如果字符串后两位等于数量最多的，那么数量最多的不能再加入字符串了
            if(result.size() >= 2 && result[result.size()-1] - 'a' == ch && result[result.size()-2] - 'a' == ch){
                if(!pq.empty()){
                    // 我们就加入数量次多的
                    auto [ch1,cnt1] = pq.top();
                    pq.pop();
                    result += ch1+'a';
                    // 数量次多的使用了一个之后还有剩余，重新入堆
                    if(--cnt1>0) pq.push(pair<int,int>{ch1,cnt1});
                    // 数量最多的重新入堆
                    pq.push(pair<int,int>{ch,cnt});
                }
            }else{
                // 不满足上面的条件，我们直接使用数量最多的
                result += ch+'a';
                // 数量最多的使用了一个之后还有剩余，重新入堆
                if(--cnt>0) pq.push(pair<int,int>{ch,cnt});
            }
        }
        return result;
    }
};

在这里插入图片描述

剑指 Offer 41. 数据流中的中位数

力扣链接
如何得到一个数据流中的中位数？如果从数据流中读出奇数个数值，那么中位数就是所有数值排序之后位于中间的数值。如果从数据流中读出偶数个数值，那么中位数就是所有数值排序之后中间两个数的平均值。

例如，

[2,3,4] 的中位数是 3

[2,3] 的中位数是 (2 + 3) / 2 = 2.5

设计一个支持以下两种操作的数据结构：

void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
示例 1：

输入：
[“MedianFinder”,“addNum”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[1],[2],[],[3],[]]
输出：[null,null,null,1.50000,null,2.00000]
示例 2：

输入：
[“MedianFinder”,“addNum”,“findMedian”,“addNum”,“findMedian”]
[[],[2],[],[3],[]]
输出：[null,null,2.00000,null,2.50000]

限制：

最多会对 addNum、findMedian 进行 50000 次调用。
注意：本题与主站 295 题相同：https://leetcode-cn.com/problems/find-median-from-data-stream/

解法1：两个优先队列

思路：
在这里插入图片描述

代码：

class MedianFinder {
public:
    priority_queue<int,vector<int>,less<int>> maxPq;//最大堆，存储左边数据
    priority_queue<int,vector<int>,greater<int>> minPq;//最小堆，存储右边数据
    /** initialize your data structure here. */
    MedianFinder() {

    }
    
    void addNum(int num) {
        if(maxPq.size() == minPq.size()){
            minPq.push(num);
            int top = minPq.top();
            minPq.pop();
            maxPq.push(top);
        }else{
            maxPq.push(num);
            int top = maxPq.top();
            maxPq.pop();
            minPq.push(top);
        }
    }
    
    double findMedian() {
        if(maxPq.size() == minPq.size()){
            return (maxPq.top() + minPq.top()) / 2.0;
        }else{
            return maxPq.top() * 1.0;
        }
    }
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */

在这里插入图片描述

767. 重构字符串

力扣链接
给定一个字符串 s ，检查是否能重新排布其中的字母，使得两相邻的字符不同。

返回 s 的任意可能的重新排列。若不可行，返回空字符串 “” 。

示例 1:

输入: s = “aab”
输出: “aba”
示例 2:

输入: s = “aaab”
输出: “”

提示:

1 <= s.length <= 500
s 只包含小写字母

解法1：最大堆+哈希表

思路：

以 aaaabbbcc 为例：

可以看出，由于两个相邻的字符不能相同，我们需要把出现次数最多的字符先放完，才有可能有满足题意的结果。于是：

1.第一次都取出现次数最多的字符’a’ 放置

2.第二次只能取出现次数第二多的字符 ‘b’ 放置（因为不能取和 ‘a’ 相同的字符）

观察规律可以发现我们可以维护一个大顶堆 Q 和一个last元素。大顶堆 Q 以字符出现的次数排序，last元素包含某个字符和该字符出现的次数。

每pop出堆顶，返回值就加上堆顶的字符，并且堆顶字符出现的次数减一，保存在last中

代码：

class Solution {
public:
    string reorganizeString(string s) {
        unordered_map<char,int> umap;
        for(auto& c:s) umap[c]++;

        priority_queue<pair<int,char>> pq;
        for(pair<char,int> x:umap) pq.push({x.second,x.first});

        string res;
        pair<int,char> last;
        while(!pq.empty()){
            auto [i,c] = pq.top();
            pq.pop();
            res += c;
            if(last.first > 0) pq.push(last);
            last = {i-1,c};
        }
        return last.first > 0 ? "":res;
    }
};

相似题目：621. 任务调度器

力扣链接
给你一个用字符数组 tasks 表示的 CPU 需要执行的任务列表。其中每个字母表示一种不同种类的任务。任务可以以任意顺序执行，并且每个任务都可以在 1 个单位时间内执行完。在任何一个单位时间，CPU 可以完成一个任务，或者处于待命状态。

然而，两个相同种类的任务之间必须有长度为整数 n 的冷却时间，因此至少有连续 n 个单位时间内 CPU 在执行不同的任务，或者在待命状态。

你需要计算完成所有任务所需要的最短时间。

示例 1：

输入：tasks = [“A”,“A”,“A”,“B”,“B”,“B”], n = 2
输出：8
解释：A -> B -> (待命) -> A -> B -> (待命) -> A -> B
在本示例中，两个相同类型任务之间必须间隔长度为 n = 2 的冷却时间，而执行一个任务只需要一个单位时间，所以中间出现了（待命）状态。
示例 2：

输入：tasks = [“A”,“A”,“A”,“B”,“B”,“B”], n = 0
输出：6
解释：在这种情况下，任何大小为 6 的排列都可以满足要求，因为 n = 0
[“A”,“A”,“A”,“B”,“B”,“B”]
[“A”,“B”,“A”,“B”,“A”,“B”]
[“B”,“B”,“B”,“A”,“A”,“A”]
…
诸如此类
示例 3：

输入：tasks = [“A”,“A”,“A”,“A”,“A”,“A”,“B”,“C”,“D”,“E”,“F”,“G”], n = 2
输出：16
解释：一种可能的解决方案是：
A -> B -> C -> A -> D -> E -> A -> F -> G -> A -> (待命) -> (待命) -> A -> (待命) -> (待命) -> A

提示：

1 <= task.length <= 104
tasks[i] 是大写英文字母
n 的取值范围为 [0, 100]

解法1：桶思想+排序

思路：

我们只需要算两个数：

用出现最多字母的次数max作为桶的数量，最后一个桶只有当其他字母出现数量与桶数量相同时，才能放入字母。

桶有固定容量（n + 1), 则会出现两种情况：

①桶的容量没有满，则需要（n + 1） * （max - 1） + cnt 空间，最后的cnt是指最后一个桶放的字母数量

②桶的容量满了，这里要注意桶容量是可以看做是无限的，但是有一个最小值（n+ 1）。桶容量满了则不会浪费空间，为tasks.size()。

在这里插入图片描述

代码：

class Solution {
public:
    int leastInterval(vector<char>& tasks, int n) {
        if(n == 0) return tasks.size();
        int len = tasks.size();
        vector<int> vec(26);
        for(auto& c:tasks){
            vec[c-'A']++;
        }
        sort(vec.begin(),vec.end(),[&](const int& a, const int& b){
            return a > b;
        });
        int res = (vec[0]-1)*(n+1), cnt = 1;
        while(cnt < vec.size() && vec[cnt] == vec[0]) cnt++;

        return max(res + cnt,len);
    }
};

239. 滑动窗口最大值

力扣链接
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
示例 2：

输入：nums = [1], k = 1
输出：[1]

提示：

1 <= nums.length <= 105
-104 <= nums[i] <= 104
1 <= k <= nums.length

解法1：单调队列

思路：
代码随想录

代码：

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        //单调队列
        int n = nums.size();
        deque<int> dq;
        for(int i = 0;i<k;i++){
            while(!dq.empty() && nums[i] >= nums[dq.back()]){
                dq.pop_back();
            }
            dq.push_back(i);
        }
        vector<int> res = {nums[dq.front()]};
        for(int i = k;i<n;i++){
            while(!dq.empty() && nums[i] >= nums[dq.back()]){
                dq.pop_back();
            }
            dq.push_back(i);
            while(dq.front() <= i - k){
                dq.pop_front();
            }
            res.push_back(nums[dq.front()]);
        }
        return res;
    }
};

在这里插入图片描述

解法2：优先队列

思路：

代码：

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        //优先队列 默认是最大堆
        int n = nums.size();
        priority_queue<pair<int,int>> pq;//num-下标
        for(int i = 0;i<k;i++){
            pq.emplace(nums[i],i);
        }
        vector<int> res = {pq.top().first};
        for(int i = k;i<n;i++){
            pq.emplace(nums[i],i);
            while(pq.top().second <= i-k) pq.pop();
            res.push_back(pq.top().first);
        }
        return res;
    }
};

在这里插入图片描述

451. 根据字符出现频率排序

力扣链接
给定一个字符串 s ，根据字符出现的频率对其进行降序排序。一个字符出现的频率是它出现在字符串中的次数。

返回已排序的字符串。如果有多个答案，返回其中任何一个。

示例 1:

输入: s = “tree”
输出: “eert”
解释: 'e’出现两次，'r’和’t’都只出现一次。
因此’e’必须出现在’r’和’t’之前。此外，"eetr"也是一个有效的答案。
示例 2:

输入: s = “cccaaa”
输出: “cccaaa”
解释: 'c’和’a’都出现三次。此外，"aaaccc"也是有效的答案。
注意"cacaca"是不正确的，因为相同的字母必须放在一起。
示例 3:

输入: s = “Aabb”
输出: “bbAa”
解释: 此外，"bbaA"也是一个有效的答案，但"Aabb"是不正确的。
注意’A’和’a’被认为是两种不同的字符。

提示:

1 <= s.length <= 5 * 105
s 由大小写英文字母和数字组成

解法1：优先队列（堆排序）

struct cmp{
    bool operator()(const pair<char,int>& a,const pair<char,int>& b){
        return a.second < b.second;
    }
};
class Solution {
public:
    string frequencySort(string s) {
        unordered_map<char,int> umap;//出现次数-下标
        int n = s.size();
        for(char c:s){
            umap[c]++;
        }
        priority_queue<pair<char,int>,vector<pair<char,int>>,cmp> pq;
        for(auto it = umap.begin();it!=umap.end();it++){
            pq.push({it->first,it->second});
        }
        string res = "";
        while(pq.size()){
            auto [ch,cnt] = pq.top();
            pq.pop();
            for(int i = 0;i<cnt;i++){
                res += ch;
            }
        }
        return res;
    }
};

在这里插入图片描述

295. 数据流的中位数

力扣链接
中位数是有序列表中间的数。如果列表长度是偶数，中位数则是中间两个数的平均值。

例如，

[2,3,4] 的中位数是 3

[2,3] 的中位数是 (2 + 3) / 2 = 2.5

设计一个支持以下两种操作的数据结构：

void addNum(int num) - 从数据流中添加一个整数到数据结构中。
double findMedian() - 返回目前所有元素的中位数。
示例：

addNum(1)
addNum(2)
findMedian() -> 1.5
addNum(3)
findMedian() -> 2
进阶:

如果数据流中所有整数都在 0 到 100 范围内，你将如何优化你的算法？
如果数据流中 99% 的整数都在 0 到 100 范围内，你将如何优化你的算法？

解法1：最大堆+最小堆

思路：
在这里插入图片描述

代码：

class MedianFinder {
public:
    priority_queue<int,vector<int>,less<int>> maxPq;//存储左边较小数据
    priority_queue<int,vector<int>,greater<int>> minPq;
    MedianFinder() {

    }
    
    void addNum(int num) {//长度相等优先放入maxPq,否则放入minPq
        if(maxPq.size() == minPq.size()){
            minPq.push(num);
            int top = minPq.top();
            minPq.pop();
            maxPq.push(top);
        }else{
            maxPq.push(num);
            int top = maxPq.top();
            maxPq.pop();
            minPq.push(top);
        }
    }
    
    double findMedian() {
        if(maxPq.size() == minPq.size()){
            return (maxPq.top() + minPq.top())/2.0;
        }else{
            return maxPq.top() / 1.0;
        }
    }
};

/**
 * Your MedianFinder object will be instantiated and called as such:
 * MedianFinder* obj = new MedianFinder();
 * obj->addNum(num);
 * double param_2 = obj->findMedian();
 */

在这里插入图片描述

姬霓钛美

关注

1
点赞
踩
11

收藏

觉得还不错? 一键收藏
打赏
0
评论
[力扣刷题总结](队列和优先队列(堆)篇)

文章目录~~~~~~~~~~~~优先队列（堆）~~~~~~~~~~~~一.队列和优先队列的差别二.优先队列（堆）的特性三.基本的堆操作四.C++中的堆215. 数组中的第K个最大元素解法1：堆排序优先队列（堆）该部分主要参考最详细版图解优先队列（堆）一.队列和优先队列的差别二.优先队列（堆）的特性三.基本的堆操作四.C++中的堆参考（1）priority_queue 容器适配器定义了一个元素有序排列的队列。**默认队列头部的元素优先级最高。**因为它是一个队列，所以只能访问第一.
复制链接

扫一扫