数据结构极客视频1

1.复杂度

图像描述常见复杂度大小

常见算法的复杂度

###常用数据结构操作的复杂度

各种堆的复杂度

严格斐波那契堆复杂度最小

2.优先队列

题目：返回数据流中第K大的元素

/*
 * 使用堆排序（优先队列）解决 输入流中第K的数据
 * 注意java中的PriorityQueue便是最小堆 可以直接用 
 * 堆大小：size（） 添加元素：offer（）  弹出堆顶元素  pop（） 
 */
class Kthlargest{
	final  PriorityQueue<Integer> q;
	final int k;
	public Kthlargest(int k,int[]a){
		this.k=k;
		q=new PriorityQueue<>(k);
		for(int n:a){
			add(n);
		}
	}
	public int add(int n){
		if(q.size()<k){
			q.offer(n);
		}else if(q.peek()<n){
			q.poll();
			q.offer(n);
		}
		return q.peek();
		
	}
}

题目：滑动窗口最大值

题目的意思是给一个数组 给一个窗口大小是K 一次向右边滑动一次 记录每一次窗口的最大值
解答：1.使用最大堆 建立一个大小是K的堆 没滑动一次 调整一下堆结构 根节点就是当前节点的最大值
时间复杂度分析：对于数组中每一个元素都有进一次堆：N 在堆中每一次排序时间复杂度都是Klog(K)
所以总共的时间复杂度是N*log（K）
对1的优化：2.使用一个双端队列 这个队列最多可以存放K个元素 当有新元素进来的时候 如果比前面的大 就把前面的踢出去 使用让最大的元素在第一个位置
时间复杂度分析：每个元素进一次队列 是N 在队列中的操作是O（1） 最后总的时间复杂度是N

def maxSlidingWindow(nums,k):
    if not nums:return []## nums 是空的话 直接返回 
    windows,res=[],[]## windows 存放索引 res存放滑动的窗口最大值
    for i,x in enumerate(nums):## 得到双端队列的索引 以及对应的数值
        if i>=k and windows[0]<=i-k:## 窗口 滑动
            windows.pop(0)
        while windows and nums[windows[-1]]<x:## 保证windows[0] 最大
            windows.pop()
        windows.append(i)
        if i>=k-1:## 保存当前窗口的最大值
            res.append(nums[window[0]])
        return res