LeetCode 239. 滑动窗口最大值---Java题解

题目： 给定一个数组 nums，有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

示例：

输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7] 
解释: 

  滑动窗口的位置                最大值
---------------               -----
[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

思路：
维护一个从队首到队尾的递减的双端队列，这个队列其实就是当前及未来可能成为最大值的所有值的排序。

具体流程：
首先声明队列中保存的是数的下标，之后会解释为什么。用left，right表示窗口左右边界，开始两者都为0，开始还没有形成窗口，所以right不断向右移并维护队列（维护规则一），之后left和right同时右移直到结束，期间也要不断维护队列（规则二）。

规则一： 由于窗口还没形成，只需关心当前遍历的数是否比队尾的值大，如果大，则不断弹出队尾值直到满足队列递减。

规则二： 在满足规则一的同时，由于要右移，所以窗口要失去一个元素，这个元素可能就是队首，所以要判断队首元素是否还在当前窗口中，如果不在就要删除。这也是为什么我们要使用下标，因为只有下标才能判断。

规则一和规则二就是为了删除当前窗口及未来不可能成为最大值的元素。 由于窗口的移动，当前最大值（队首）会可能被删除，所以我们要不断保存并更新第二大元素，第三大元素。。。。因为它们随着窗口的移动都可能成为最大元素。这也是为什么使用双向队列的原因。

举个例子：

输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7]

解释过程中队列中都是具体的值，方便理解，具体见代码。
初始状态：L=R=0,队列:{}
i=0,nums[0]=1。队列为空,直接加入。队列：{1}
i=1,nums[1]=3。队尾值为1，3>1，弹出队尾值，加入3。队列：{3}
i=2,nums[2]=-1。队尾值为3，-1<3，直接加入。队列：{3,-1}。此时窗口已经形成，L=0,R=2，result=[3]
i=3,nums[3]=-3。队尾值为-1，-3<-1，直接加入。队列：{3,-1,-3}。队首3对应的下标为1，L=1,R=3，有效。result=[3,3]
i=4,nums[4]=5。队尾值为-3，5>-3，依次弹出后加入。队列：{5}。此时L=2,R=4，有效。result=[3,3,5]
i=5,nums[5]=3。队尾值为5，3<5，直接加入。队列：{5,3}。此时L=3,R=5，有效。result=[3,3,5,5]
i=6,nums[6]=6。队尾值为3，6>3，依次弹出后加入。队列：{6}。此时L=4,R=6，有效。result=[3,3,5,5,6]
i=7,nums[7]=7。队尾值为6，7>6，弹出队尾值后加入。队列：{7}。此时L=5,R=7，有效。result=[3,3,5,5,6,7]

链接：https://leetcode-cn.com/problems/sliding-window-maximum/solution/shuang-xiang-dui-lie-jie-jue-hua-dong-chuang-kou-2/

代码：

class Solution {
    public int[] maxSlidingWindow(int[] nums, int k) {
        if(nums==null||nums.length<2) return nums;

        LinkedList<Integer> queue=new LinkedList<>();
        //记录最大值的数组
        int[] res=new int[nums.length-k+1];

        for(int i=0;i<nums.length;i++){
        	//保持队列的递减性
            while(!queue.isEmpty()&&nums[queue.peekLast()]<nums[i]){
                queue.pollLast();
            }
            queue.addLast(i);
			
			//第二规则，判断队首是否不在当前窗口，如果是，删除队首(i-k就是左指针)
            if(queue.peek()<=i-k){
                queue.poll();
            }
			
			//当前窗口已经形成，保存队首作为当前窗口最大值
            if(i+1-k>=0){
                res[i+1-k]=nums[queue.peekFirst()];
            }
        }
        return res;
    }
}