P.S. 时隔几个月,又重新开始刷题啦!
Leetcode 239. 滑动窗口最大值
题目链接:239. 滑动窗口最大值
思路:
只想到了暴力解法。
其实这是单调队列的经典题目。队列没有必要维护窗口里的所有元素,只需要维护有可能成为窗口里最大值的元素就可以了,同时保证队列里的元素数值是由大到小的。
解题:失败
代码实现
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
MyQueue queue = new MyQueue();
int len = nums.length;
int[] res = new int[len - k + 1];
for(int i = 0; i < k; i++){
queue.add(nums[i]);
}
int idx = 0;
res[idx++] = queue.getMaxValue();
for(int i = k; i < len; i++){
queue.add(nums[i]);
queue.poll(nums[i - k]);
res[idx++] = queue.getMaxValue();
}
return res;
}
class MyQueue{
Deque<Integer> queue = new LinkedList<>();
public void poll(int val){
if(!queue.isEmpty() && queue.peekFirst() == val){
queue.pollFirst();
}
}
public void add(int val){
while(!queue.isEmpty() && queue.peekLast() < val){
queue.pollLast();
}
queue.add(val);
}
public int getMaxValue(){
return queue.peekFirst();
}
}
}
操作 | Deque |
---|---|
添加元素到队尾 | addLast(E e) |
取队首元素并删除 | E pollFirst() |
取队首元素但不删除 | E peekFirst() |
添加元素到队首 | addFirst(E e) |
取队尾元素并删除 | E pollLast() |
取队尾元素但不删除 | E peekLast() |
Leetcode 347. 前 K 个高频元素
题目链接:347. 前 K 个高频元素
思路:
第一反应是用HashMap计数,但是想到后面要对value进行排序,时间复杂度变高,应该不是这个解法。
看了题解后,确实一开始是用HashMap计数,但是巧妙的是利用大/小顶堆进行排序。堆是一棵完全二叉树,树中每个结点的值都不小于(或不大于)其左右孩子的值。 如果父亲结点是大于等于左右孩子就是大顶堆,小于等于左右孩子就是小顶堆。如果懒得自己实现的话,就直接用priority_queue(优先级队列)就可以了,底层实现都是一样的,从小到大排就是小顶堆,从大到小排就是大顶堆。
解题:失败
代码实现
class Solution {
public int[] topKFrequent(int[] nums, int k) {
HashMap<Integer, Integer> map = new HashMap<>();
int[] res = new int[k];
for(int num : nums){
map.put(num, map.getOrDefault(num, 0) + 1);
}
PriorityQueue<int[]> pq = new PriorityQueue<>((o1, o2) -> o1[1] - o2[1]);
for(Map.Entry<Integer, Integer> entry : map.entrySet()){
pq.offer(new int[]{entry.getKey(), entry.getValue()});
if(pq.size() > k){
pq.poll();
}
}
for(int i = k-1; i>=0; i--){
res[i] = pq.poll()[0];
}
return res;
}
}
大/小顶堆很适用于获取前 K 个最大/最小元素类型的题目。不过这里需要想清楚,是用大顶堆,还是小顶堆。
总结
- 栈的应用:括号匹配问题、字符串去重问题、逆波兰表达式问题等
- 队列:单调队列和优先级队列