labuladong刷题笔记二（设计数据结构）

目录

一、手把手带你拆解 LRU 算法 

1.146. LRU 缓存 

二、手把手带你拆解 LFU 算法 （★★★★★）

1.460. LFU 缓存                                                                                   以下为2022/05/13更新 

---

三、找中位数的算法题 

1.295. 数据流的中位数

四、单调栈解题模板秒杀三道算法题 

1.496. 下一个更大元素 I 

2.剑指 Offer II 038. 下一个更高的温度 

3.503. 下一个更大元素 II 

五、「单调队列」数据结构解决滑动窗口问题  

1.239. 滑动窗口最大值  

六、用栈实现队列/用队列实现栈 

1.225. 用队列实现栈 

2.232. 用栈实现队列 

七、图文详解二叉堆，实现优先级队列  

八、数据结构基本功：设计最大频率栈

1.895. 最大频率栈 

---

一、手把手带你拆解 LRU 算法 

        LRU 算法就是一种缓存淘汰策略，LRU 的全称是 Least Recently Used，也就是说我们认为最近使用过的数据应该是是「有用的」，很久都没用过的数据应该是无用的，内存满了就优先删那些很久没用过的数据。

        当然还有其他缓存淘汰策略，比如不要按访问的时序来淘汰，而是按访问频率（LFU 策略）来淘汰等等，各有应用场景。

1.146. LRU 缓存 

        unorder_map查找快，但是数据无固定顺序；链表有顺序之分，插入删除快，但是查找慢。所以结合一下，形成一种新的数据结构。

        细节：不能用queue,因为无法取出某一个元素，所以用链表 ；但是因为要删除最后一个元素，避免遍历，所以用双向链表。

        要注意双向链表尾结点的处理。

二、手把手带你拆解 LFU 算法 （★★★★★）

        LFU 算法相当于是淘汰访问频次最低的数据，如果访问频次最低的数据有多条，需要淘汰最旧的数据。

1.460. LFU 缓存

        代码是抄的~~~

• 自己封装一个双链表，实现以下功能：

    inline bool empty();
    void push_back(Node *n);
    void remove(Node *n);
    Node *pop_front();

• 两个容器

std::unordered_map<int, Node*> key_node; //每一个key，对应一个node（key，val,freq 前后结点指针）


std::unordered_map<int, DoubleList*> freq_table; //每一个freq对应一个双链表，双链表中旧元素为head->next

• 实现put，get：put和get操作会对频次造成影响，所以封装了个setfreq，其实命名为updatefreq更合适。

//更新某个节点：freq_table先删除该结点对应的freq下的该结点，加1后再pushback。
void setfreq(Node* n)

三、找中位数的算法题 

1.295. 数据流的中位数

        思路：考虑到时间复杂度（数组插入元素O(N)，链表查找元素O(N)），我们选择运用大根堆和小根堆相结合的方式，个数最大相差1。

        注意：大根堆的最大值要小于等于小根堆的最小值。

四、单调栈解题模板秒杀三道算法题 

        「单调栈」主要解决 Next Great Number 一类算法问题。

1.496. 下一个更大元素 I 

三种方式：

• 遍历小的集合，嵌套遍历大的集合
• 抓住两个数组的关系，直接遍历大的集合，形成每个元素的元素-结果映射。
• 逆序遍历大的集合，结合单调栈解决，形成每个元素的元素-结果映射。

反向遍历数组越界问题

for (size_t i = nums2.size() - 1; i >= 0 ; i--)
{
}

问题：此处会报数组越界，原因是i为unsigned int类型，循环最后一次判别时i<0，会变为该类型的最大值。

两种方式解决：

• size_t改为int；
• 条件约束。

for (int i = nums2.size() - 1; i >= 0 ; i--)
{
}

for (size_t i = nums2.size() - 1; i >= 0 && i < nums2.size(); i--)
{
}

2.剑指 Offer II 038. 每日温度 剑指 Offer II 038. 下一个更高的温度 

        逆序遍历，单调栈，存放索引。

3.503. 下一个更大元素 II 

        我们可以不用构造新数组，而是利用循环数组的技巧（求余数）来模拟数组长度翻倍的效果.

五、「单调队列」数据结构解决滑动窗口问题  

        「单调队列」这个数据结构可以解决滑动窗口问题。

        「单调队列」：就是一个「队列」，只是使用了一点巧妙的方法，使得队列中的元素全都是单调递增（或递减）的。

1.239. 滑动窗口最大值  

• 采用的优先队列

std::priority_queue<std::pair<int,int>,std::vector<std::pair<int,int>>> bigHeap;

        std::pair<int,int>：第一个元素是值，第二个元素是索引。

• left与right两个索引，永远相差k

std::vector<int> maxSlidingWindow(std::vector<int>& nums, int k) 
{
}

• 最主要的：优先队列中的最大值对应的索引如果大于left，说明这个最大值该pop了。

六、用栈实现队列/用队列实现栈 

        队列是一种先进先出的数据结构，栈是一种先进后出的数据结构。这两种数据结构底层其实都是数组或者链表实现的，只是 API 限定了它们的特性。

1.225. 用队列实现栈 

        用一个队列就能实现栈。

2.232. 用栈实现队列 

        使用两个栈就能实现一个队列的功能。

七、图文详解二叉堆，实现优先级队列  

        二叉堆其实就是一种特殊的二叉树（完全二叉树），只不过存储在数组里。一般的链表二叉树，我们操作节点的指针，而在数组里，我们把数组索引作为指针。

        数组的第一个索引 0 空着不用：

        二叉堆的操作很简单，主要就是上浮和下沉，来维护堆的性质（堆有序）。

        优先级队列是基于二叉堆实现的，主要操作是插入和删除。插入是先插到最后，然后上浮到正确位置；删除是把第一个元素 pq[1]（最值）调换到最后再删除，然后把新的 pq[1] 下沉到正确位置。

八、数据结构基本功：设计最大频率栈

1.895. 最大频率栈 

与460. LFU 缓存不同之处在于：

• 本题中，举个栗子：12131，此时maxFreq为3，当pop了1时，最大频率对应的栈已经为空，此时maxFreq应当减1，不要怀疑最大频率=2时是否有对应的元素，因为一定存在，比如一定存在1。也就是说只要maxFreq>2时，pop了某个元素后，栈中还存在等于该元素的值，而该元素对应的频率为maxFreq-1。当push某个元素时，不必删除freq_value_map中该元素旧的freq对应的值。

    FreqStack pro;
    pro.push(1);
    pro.push(2);
    pro.push(1);
    pro.push(3);
    pro.push(1);

• 对于460. LFU 缓存这道题争对的是类似手机某个应用最多（最少）的场景，也就是说保证每个元素是独一无二的，当pop了某个元素时，栈中（或者别的数据结构，如双链表）就不存在值为该元素的元素。当push某个元素时，需要删除freq_table中该元素旧的freq对应的值。