目录
1.460. LFU 缓存 以下为2022/05/13更新
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。