题目描述:
Given an array nums, there is a sliding window of size k which is moving from the very left of the array to the very right. You can only see the k numbers in the window. Each time the sliding window moves right by one position. Return the max sliding window.
Example:
Input: nums =[1,3,-1,-3,5,3,6,7]
, and k = 3 Output:[3,3,5,5,6,7] Explanation:
Window position Max --------------- ----- [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
Note:
You may assume k is always valid, 1 ≤ k ≤ input array's size for non-empty array.
Follow up:
Could you solve it in linear time?
题意是求一个滑动窗口内的最大值。一个很自然的想法是利用堆。建立一个大小为k的堆,然后每次窗口滑动的时候都维护一次(删掉一个元素,增添一个新元素)。利用STL中写好的PriorityQueue,时间复杂度是O(NlogK)。应该说这样的时间复杂度已经相当不错了,但题目居然要求要实现一个线性的算法。
要想实现线性算法的关键是我们要在窗口滑动时利用上一个状态尽可能多的信息。如果仅仅知道这个窗口的最大值,显然是不能在O(1)内求出下一个窗口的最大值的。但是,如果我们知道的信息更多一些,比如,我不仅知道最大值,还知道最大值之后的完整非递增序列。这似乎是可以的。论证如下:
窗口移动时,有两种可能。
1. 最大值没有出窗口。这时只要比较最大值和新进来的值,如果新进窗口的数更大,应该让序列清空,再将新进值塞进序列里。否则,就更新序列。需要注意的是,序列一定是满的,也就是说,不能再将数组中的数再塞进序列里。示例:
窗口为[1 5 2 3 1],序列为5 3 1,而不是5 2 1或者5 1 。
2.最大值出窗口。这时只要将序列里相应的数清除,再加入新增的数。维护方法同上。
这个序列的好处在于,第一个数是窗口的最大值,第二个一定是最大值之后的第二大(如果第二大在最大值之前是不需要管的,只需要管后面的部分,这正是这个方法巧妙的地方)。可以通过这个来判断最大值的转移情况,也保留了足够多的信息。用一个双端队列来实现即可,时间复杂度O(N)。
代码如下:
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
deque<int> q;
vector<int> ret;
int N=nums.size();
for (int i=0;i<N;i++) {
if (!q.empty()&&q.front()==i-k) q.pop_front();
while (!q.empty()&&nums[q.back()] < nums[i]) q.pop_back();
q.push_back(i);
if (i>=k-1) ret.push_back(nums[q.front()]);
}
return ret;
}
};