滑动窗口 题解

原题见力扣：https://leetcode-cn.com/problems/hua-dong-chuang-kou-de-zui-da-zhi-lcof/

这里讲的滑动窗口并不是计网TCP中的滑动窗口. 不过移动的方式其实差不多，就是在一串数据上以固定大小的窗口滑动，每次都在该窗口内寻找最大值. 这与深度学习中的max_pooling1D思想神似. (stride=1, kernel=k) 这题用暴力解法当然十分简单，时间复杂度为O(kN)，但本题的要领并不在此.

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        if (nums.size() == 0) {
            return vector<int>();
        }
        vector<int> rec;
        int len = nums.size();
        for (int i = 0; i <= len-k; ++i) {
            int maxx = 0x80000000;
            for (int j = i; j < i+k; ++j) {
                maxx = max(maxx, nums[j]);
            }
            rec.push_back(maxx);
        }
        return rec;
    }
};

本题蕴含的一个知识点是单调队列，通过单调队列可以将求滑窗内最大值的时间复杂度从O(k)降为O(1). 下面学习一下单调队列.

单调队列是一种特殊的队列，队列中的元素按照从队头到队尾递增或递减的顺序排列 (并不严格递增或严格递减). 这样，就有可能在常数的时间内取得到队列的最大值.

结合滑动窗口，这样的队列应该如何设计？我们结合一个例子来看. (k=3)

扫描第1个元素，直接入队

扫描第2个元素，入队并更新队列

扫描第3个元素，入队.

现在已经形成了第1个滑动窗口，直接取队头输出，序列为3

接着扫描到-3，更新队列，取队头输出，序列为3 3.

最后，扫描到5，原队中3应该先出队，5进队后更新队列.

取队头输出，序列为3 3 5.

这样的单调队列，满足：

• deque 内仅包含窗口内的元素 (那么每轮滑动移除了元素 nums[i - 1]，需将 deque 内的对应元素一起删除)
• deque 内的元素非严格递减 (每轮滑动添加了元素 nums[j+1] ，需将 deque 内所有 <nums[j+1] 的元素删除)

算法流程：

• 定义 双端队列 deque ，结果列表 res ，数组长度 n ；
• 滑动窗口线性算法：(左边界范围 i∈[1−k,n+1−k] ，右边界范围 j∈[0,n−1] )
  • 若 i>0 且 队首元素 deque[0] == 被删除元素 nums[i−1] ：则队首元素出队；
  • 删除 deque 内所有 <nums[j] 的元素，以保持 deque 递减；
  • 将 nums[j] 添加至 deque 尾部；
  • 若已形成窗口（即 i≥0 ）：将窗口最大值（即队首）添加至列表 res .
• 返回结果列表 res 。

复杂度：

• 时间复杂度：每个元素顶多入队1次，出队1次，算法为线性时间复杂度
• 空间复杂度：线性

参考代码：

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        // nums为空或返回值就是原数组的情况
        if (k == 0 || k == 1) {
            return nums;
        }
        vector<int> rec;
        int len = nums.size();
        deque<int> dq;
        dq.push_back(nums[0]);
        for (int i = 1; i < len; ++i) {
            // 是否被移出窗口
            if (i-k >= 0 && nums[i-k] == dq.front()) {
                dq.pop_front();
            }
            // 窗口保持递减
            while (!dq.empty() && dq.front() < nums[i]) {
                dq.pop_front();
            }
            while (!dq.empty() && dq.back() < nums[i]) {
                dq.pop_back();
            }
            dq.push_back(nums[i]);
            // 形成窗口，开始存放数据
            if (i >= k-1) {
                rec.push_back(dq.front());
            }
        }
        return rec;
    }
};