前言
提示:以下是本篇文章正文内容,编程语言为Java
一、题目描述
给你一个整数数组 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。
返回 滑动窗口中的最大值 。
示例 1:
输入:nums = [1,3,-1,-3,5,3,6,7], 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
链接:滑动窗口最大值
二、解题思路
1. 优先队列
我们可以维护一个优先队列,大根堆来解决这个问题。大根堆可以方便获取一系列元素的最大值。
我们需要获取的是窗口内的最大值,所以还需要判断堆顶最大值是否在窗口内,若不在就要删除,直到堆顶元素在窗口内。
因此,我们可以在优先队列中存储二元组 (num,index)
,表示元素 num
在数组中的下标为 index
,方便判断堆顶元素与滑动窗口的位置关系。
2. 单调队列
我们可以维护一个单调队列,队列里的元素都是单调递减的,这样队首元素就是我们需要的最大值。
1)维护单调性。为了方便判断队首元素与滑动窗口的位置关系,我们可以在队列存储元素的索引。首先,我们枚举前 k
个元素,当前元素不大于队尾元素时,直接将其索引插入到队尾。否则,我们就要不断弹出队尾索引,直到队尾元素不小于当前元素,然后再其索引插入到队尾。每当窗口移动,需要插入元素时,就要执行上述过程。
2)判断位置关系。如果队首索引在窗口内,则队首元素就是该窗口的最大值;否则,我们就需要不断移除队首,直到队首索引在窗口内。
三、示例代码
1. 优先队列
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int [] ans=new int[nums.length-k+1];
PriorityQueue<int[]> q=new PriorityQueue<>((a,b)->a[0]!=b[0]?b[0]-a[0]:b[1]-a[1]);
for(int i=0;i<k;i++){
q.offer(new int[]{nums[i],i});
}
ans[0]=q.peek()[0];
int j=0;
for(int i=k;i<nums.length;i++){
q.offer(new int[]{nums[i],i});
while(q.peek()[1]<i-k+1){
q.poll();
}
ans[++j]=q.peek()[0];
}
return ans;
}
}
2. 单调队列
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
Deque<Integer> q=new LinkedList<>();
int [] ans=new int[nums.length-k+1];
for(int i=0;i<k;i++){
while(!q.isEmpty() && nums[i]>nums[q.peekLast()]){
q.pollLast();
}
q.offer(i);
}
int len=-1;
ans[++len]=nums[q.peekFirst()];
for(int i=k;i<nums.length;i++){
while(!q.isEmpty() && nums[i]>nums[q.peekLast()]){
q.pollLast();
}
q.offer(i);
while(q.peekFirst()<i-k+1){
q.pollFirst();
}
ans[++len]=nums[q.peekFirst()];
}
return ans;
}
}
总结
Java优先队列可以方便地维护一系列元素的最大值或最小值。初始化方法如下:
PriorityQueue<int[]> q=new PriorityQueue<>(自定义排序)
我们重写 Comparator
接口的 compare
方法或 lambda
表达式来自定义排序。
PriorityQueue<int[]> q=new PriorityQueue<>((a,b)->a[0]!=b[0]?b[0]-a[0]:b[1]-a[1])