239. 滑动窗口最大值

239. 滑动窗口最大值

难度困难988

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

示例 2：

输入：nums = [1], k = 1
输出：[1]

示例 3：

输入：nums = [1,-1], k = 1
输出：[1,-1]

示例 4：

输入：nums = [9,11], k = 2
输出：[11]

示例 5：

输入：nums = [4,-2], k = 2
输出：[4]

提示：

• 1 <= nums.length <= 105
• -104 <= nums[i] <= 104
• 1 <= k <= nums.length

---

class Solution {
public:
    int get_max(int i, int k, vector<int> &vector) {
        int max_index=i;
        for (int j = i; j < k; ++j) {
            if(vector[j]>vector[max_index])
            {
             max_index=j;
            }
        }
        return max_index;
    }

    vector<int> maxSlidingWindow(vector<int> nums, int k) {
vector<int>res;
int max_index=0;
        max_index = get_max(0, k, nums);
max_index=-1;
        for (int j = 0; j+k-1< nums.size(); ++j) {
            if(j>max_index)
            {
                max_index=get_max(j,j+k,nums);
            }
            if(nums[max_index]<nums[j+k-1])
            {
                max_index=j+k-1;
            }
            res.push_back(nums[max_index]);
        }

        return  res;

    }
};

很可惜,上述方法超时!

不过难得我还能想出个思路来,也还不错;

---

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        int n = nums.size();
        vector<int> ans;
        // 使用优先级队列，也就是大顶堆
        priority_queue<pair<int, int>> pq;

        // 窗口开始滑动，并让窗口首次占满
        for (int i = 0; i < k; ++i)
            pq.push(make_pair(nums[i], i));
         ans.push_back(pq.top().first);
        
        // 窗口开始有 无效数据
        for (int i = k; i < n; ++i) {
            pq.push(make_pair(nums[i], i));
            // 堆的顶部是无效的的数据，那么弹出
            while (pq.top().second <= i - k)
                pq.pop();
            // 堆的顶部是最大值
            ans.push_back(pq.top().first);
        }
        return ans;
    }
};

以上代码通过,不过相对于第一个代码,维护堆的算法时间复杂度是 O(logN),而对于第一种,是O(n);

---

我们可以使用一个有序的双端队列来替换大顶堆， 窗户滑动时， 注意刚刚进入窗口的数据需要入队列， 失效的数据需要出队列，同时要保证双端队列中的数据是有序的。 每次获取窗口内的最大值时，只需要取队列的头部（或者尾部）

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        int n = nums.size();
        deque<int> q;
        for (int i = 0; i < k; ++i) {
            while (!q.empty() && nums[i] >= nums[q.back()]) {
                q.pop_back();
            }
            q.push_back(i);
        }

        vector<int> ans = {nums[q.front()]};
        for (int i = k; i < n; ++i) {
            while (!q.empty() && nums[i] >= nums[q.back()]) {
                q.pop_back();
            }
            q.push_back(i);
            while (q.front() <= i - k) {
                q.pop_front();
            }
            ans.push_back(nums[q.front()]);
        }
        return ans;
    }
};