239. 滑动窗口最大值
一刷遇到的第一道Hard题。
思路:本题自定义单调队列,入队的时候会把前面较小的值都移除掉,使得队列顶部的元素永远是最大的,只维护最大值,因为题目需要把最大值输出。这样方便后续弹出最大值,滑动窗口移动时,已经被弹出的较小值,就不用再弹出一次了。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int[] result = new int[nums.length-k+1];
MyQueue myQueue = new MyQueue();
for(int i=0; i<k; i++){
myQueue.add(nums[i]);
}
int index = 0;
result[index++] = myQueue.peek();
for(int i=k; i<nums.length; i++){
myQueue.remove(nums[i-k]);
myQueue.add(nums[i]);
result[index++] = myQueue.peek();
}
return result;
}
class MyQueue{
Deque<Integer> deque = new LinkedList<>();
public void add(int val){
while (!deque.isEmpty() && deque.getLast()<val){
deque.removeLast();
}
deque.add(val);
}
public void remove(int val){
if (!deque.isEmpty() && deque.peek()==val){
deque.remove();
}
}
public int peek(){
return deque.peek();
}
}
}
347. 前 K 个高频元素
思路:使用优先级队列实现大顶堆或者小顶堆。先用map记录每个num(key)和出现次数(value)
- 大顶堆:遍历map把元素从大到下放入大顶堆,最后输出前k个元素。
- 小顶堆:只维护前k个元素,比大顶堆节省空间,只不过每次都要弹出最小元素,多一步操作。
/*Comparator接口说明:
* 返回负数,形参中第一个参数排在前面;返回正数,形参中第二个参数排在前面
* 对于队列:排在前面意味着往队头靠
* 对于堆(使用PriorityQueue实现):从队头到队尾按从小到大排就是最小堆(小顶堆),
* 从队头到队尾按从大到小排就是最大堆(大顶堆)--->队头元素相当于堆的根节点
* */
class Solution {
//解法1:基于大顶堆实现
public int[] topKFrequent1(int[] nums, int k) {
Map<Integer,Integer> map = new HashMap<>();//key为数组元素值,val为对应出现次数
for(int num:nums){
map.put(num,map.getOrDefault(num,0)+1);
}
//在优先队列中存储二元组(num,cnt),cnt表示元素值num在数组中的出现次数
//出现次数按从队头到队尾的顺序是从大到小排,出现次数最多的在队头(相当于大顶堆)
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair2[1]-pair1[1]);
for(Map.Entry<Integer,Integer> entry:map.entrySet()){//大顶堆需要对所有元素进行排序
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
int[] ans = new int[k];
for(int i=0;i<k;i++){//依次从队头弹出k个,就是出现频率前k高的元素
ans[i] = pq.poll()[0];
}
return ans;
}
//解法2:基于小顶堆实现
public int[] topKFrequent2(int[] nums, int k) {
Map<Integer,Integer> map = new HashMap<>();//key为数组元素值,val为对应出现次数
for(int num:nums){
map.put(num,map.getOrDefault(num,0)+1);
}
//在优先队列中存储二元组(num,cnt),cnt表示元素值num在数组中的出现次数
//出现次数按从队头到队尾的顺序是从小到大排,出现次数最低的在队头(相当于小顶堆)
PriorityQueue<int[]> pq = new PriorityQueue<>((pair1,pair2)->pair1[1]-pair2[1]);
for(Map.Entry<Integer,Integer> entry:map.entrySet()){//小顶堆只需要维持k个元素有序
if(pq.size()<k){//小顶堆元素个数小于k个时直接加
pq.add(new int[]{entry.getKey(),entry.getValue()});
}else{
if(entry.getValue()>pq.peek()[1]){//当前元素出现次数大于小顶堆的根结点(这k个元素中出现次数最少的那个)
pq.poll();//弹出队头(小顶堆的根结点),即把堆里出现次数最少的那个删除,留下的就是出现次数多的了
pq.add(new int[]{entry.getKey(),entry.getValue()});
}
}
}
int[] ans = new int[k];
for(int i=k-1;i>=0;i--){//依次弹出小顶堆,先弹出的是堆的根,出现次数少,后面弹出的出现次数多
ans[i] = pq.poll()[0];
}
return ans;
}
}
总结
单调队列常用来解决滑动窗口。
优先级队列实现类似大顶堆、小顶堆的效果。