239. 滑动窗口最大值
单调队列
通用思路:先考虑暴力解法,再去除冗余元素,看看是否能够获得单调性,再利用单调性解题,查找某个数用二分,获取极值考虑两边端点。
本题思想:在同一个窗口中,存在i和j两个下标,且
i
<
j
,
n
u
m
s
[
i
]
<
=
n
u
m
s
[
j
]
i<j,nums[i]<=nums[j]
i<j,nums[i]<=nums[j],那么求窗口内最大值时,下标i所对应的数一定不会被取到,因为下标i对应的数先滑出窗口,并且下标i的数比下标j的数小。本题维护一个严格单调递减队列,取最大值时直接取出队头元素。
代码细节:
- 如何维护一个单调队列?每次在插入新元素前,循环判断队尾元素与新元素的大小,若队尾的元素比新元素小,则将队尾元素删除,循环直到队列为空或者队尾元素大于新元素;
- 元素滑出窗口时的出队操作。每次循环只移动一位,所以最多只有一位移出,用if判断;需要用下标来判断队列元素是否已经出了窗口,所以队列中存储的是数组元素下标;
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int[] res = new int[nums.length - k + 1];
Deque<Integer> deque = new ArrayDeque<>();
for(int i = 0; i < nums.length; i++){
//窗口滑出,出队操作
if(!deque.isEmpty() && deque.peekFirst() < i - k + 1){
deque.pollFirst();
}
while(!deque.isEmpty() && nums[deque.peekLast()] <= nums[i]){
deque.pollLast();
}
deque.offerLast(i);
if( i >= k - 1){
res[i - k + 1] = nums[deque.peekFirst()];
}
}
return res;
}
}
347.前 K 个高频元素
堆
堆的定义:堆是一个完全二叉树(除最后一层节点外,上面所有节点都是满的;最后一层节点从左往右排列),小根堆是每一个父节点都小于其左右子节点。
堆的存储:使用一维数组存储。
堆的基本操作(小根堆为例):
- 下沉(down、sink):判断父节点是否大于左右子节点,若大于则交换最小子节点与父节点;由于交换了位置,故需要递归判断被交换位置后的子树位置此时的节点与其新左右孩子的节点值是否满足小顶堆。
- 上浮(up、swim):循环判断父节点是否大于当前节点,若大于交换当前节点与父节点。
堆相关操作的实现:
数据结构–堆 - 力扣(LeetCode)
深入理解Java PriorityQueue - CarpenterLee - 博客园 (cnblogs.com)
PS: 中间被swim和sink用迭代还是用递归实现所困扰。还是没有掌握好迭代与递归的区别
图里4和5中,down和up只有一个会成立,修改任意一个元素后,若变大则会执行down,若变小则执行up,一起写可以节省代码。
6. 建堆:
- 插入建堆:假定我们事先不知道有多少个元素,通过不断往堆里面插入元素进行调整来构建堆。
- 数组快速堆化(heapify):可以借助完全二叉树的特性,以最后一个叶子节点的父节点(最后一个内部节点,即N/2)为起点,把起点节点到根节点之间的所有节点进行下沉操作即可;完全二叉树的左子树和右子树必须是两个堆才可以通过下沉操作调整为堆;用于堆元素已经确定好的情况。
优先队列
优先队列可以使用二叉堆来实现,比如java中的PriorityQueue就是用二叉最小堆来实现。
本题思路及代码
本题要点:
- 求每个元素出现的频率:遍历数组,用map来统计元素出现次数。
- 对元素频率进行排序:题目求前k个数,若对全部元素排序后去前k个,则时间复杂度为 O ( n ∗ l o g n ) O(n*logn) O(n∗logn);采用优先队列来存储前 K 个高频元素,优先队列使用小顶堆,遍历添加数组元素,当队列元素大于k个时,每次循环都弹出一个元素。遍历结束后,优先队列中剩余的k个元素即是前 K 个高频元素,时间复杂度为 O ( n ∗ l o g k ) O(n*logk) O(n∗logk)。
class Solution {
public int[] topKFrequent(int[] nums, int k) {
Map<Integer,Integer> map = new HashMap<>();
for(int i = 0; i < nums.length; i++){
map.put(nums[i],map.getOrDefault(nums[i],0)+1);
}
PriorityQueue<int[]> que = new PriorityQueue<>((a,b)->(a[1]-b[1]));
for(Map.Entry<Integer,Integer> entry: map.entrySet()){
que.offer(new int[]{entry.getKey(),entry.getValue()});
if(que.size() > k){
que.poll();
}
}
int[] res = new int[k];
for(int i = k - 1; i >= 0 ; i--){
res[i] = que.poll()[0];
}
return res;
}
}