题目:
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:
示例 2:
解题思路:
1、 利用双指针滑动窗口,通过两层循环暴力破解。left指针作为窗口的左端点,right作为右端点,两个指针之间的距离为 right - left = k - 1。这个思路比较简单,下面直接附上代码(代码没有加注释,因为最后爆了,没用通过,不推荐):
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int len = nums.length;
int max = Integer.MIN_VALUE;
if(len <= k){
for(int num: nums){
max = Math.max(max,num);
}
int[] ans = new int[1];
ans[0] = max;
return ans;
}
int[] ans = new int[len - k + 1];
int left = 0;
int right = k - 1;
while(left < len - k + 1){
for(int i = left; i <= right ;i++){
max = Math.max(max,nums[i]);
}
ans[left] = max;
max = Integer.MIN_VALUE;
left++;
right++;
}
return ans;
}
}
结果:
从上述结果可以看到,暴力破解在本题中通过率其实已经很高了,虽然没有百分百通过,下面就看一下能不能在此基础上进一步优化。
优化: 优化的时候我们先想到的就是边界值,这题滑动窗口每次滑动都会有一个新元素加入和旧元素滑出,而我们要求的是最大值,因此可以从滑出的元素中切入。结合题意滑出的元素无非扮演两种角色:
1、当前窗口的最大值
2、普通元素
因此我们分两种情况判断:如果滑出的元素是当前窗口的最大值,下一个窗口仍然要遍历整个窗口;如果滑出的是普通元素,下一个窗口的最大值只有两种可能,就是当前窗口最大值或者新加入的元素。优化思路基本已经明确了,下面是优化后的代码(具体注释在代码中)。
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int len = nums.length;
int max = Integer.MIN_VALUE;
//如果数组没有k的值大,则直接遍历数组找到最大值,存到数组中进行返回
if(len <= k){
for(int num: nums){
max = Math.max(max,num);
}
int[] ans = new int[1];
ans[0] = max;
return ans;
}
int[] ans = new int[len - k + 1];
int left = 0;
int right = k - 1;
boolean flag = true;
while(right < len)
{ //如果前一个窗口的最大值是前一个窗口的左端点
if(flag){
for(int i = left; i <= right ;i++){
max = Math.max(max,nums[i]);
}
}
//如果前一个窗口的最大值不是前一个窗口的左端点
//那么前面这个max肯定位于当前窗口,只需要把新加入的nums[right]与其比较取最大值
else{
max = Math.max(nums[right],max);
}
//最大值存到答案数组中
ans[left] = max;
//如果最大值是窗口左端点
//flag设置为true,并且因为要重新遍历,max重置为最小值
if(max == nums[left]){
flag = true;
max = Integer.MIN_VALUE;
}
else{
flag = false;
}
left++;
right++;
}
return ans;
}
}
假如数组长度为n,滑动窗口大小为k。
时间复杂度:该方法使用了两层循环,尽管后面代码实现了优化,但是时间复杂度都为O(n*k)。
空间复杂度:空间复杂度为O(1),答案返回数组不计算。
2、 双端队列
该方法的核心思想是元素从左往右滑动的过程中,当前元素的值如果大于左边元素的值,左边的元素就会被丢弃。这点应该比较好理解,对于当前位置的元素,所有包含了当前元素的窗口有两种可能。
1、窗口还包含当前元素左边的某些元素,但是由于它们都没有当前元素大,不影响最大值结果,可以舍弃。 2、窗口不包含当前元素左边的元素,那肯定也没影响了,可以舍弃。
而对于当前元素的右边元素(也就是待会要加入到队列的元素)。当它比当前元素大,就会淘汰当前元素(这一点其实就是上面的分析结果);需要注意的就是,当它比当前元素小时,也要进入队列 (因为会有窗口包含右边元素而不包含当前元素)。
关键点: 在队列中的元素,如何判断它们和是否在当前滑动窗口内?
队列中保存数组下标,而不是保存元素本身。比如窗口范围为[ i - k + 1,i ],我们通过下标就可以知道是否在窗口内,并且可以取得元素值。
淘汰元素过程中,需要比较大小,踢除小的,保留大的,因此要取得最小值;同时窗口值要取得最大值,也要从队列中获取,怎样在队列实现这种操作?
首先在队列中进行单调排序,进来的时候比较最小值,同时为了方便最大值取出,就需要从另一端获得最大值,因此需要实现单调的双端队列。
时间复杂度:
时间复杂度:只遍历了依次数组,因此是O(n)。
空间复杂度:建立了一个辅助队列,空间复杂度为O(k),答案返回数组不计算。
答案代码(详细注释):
class Solution {
public int[] maxSlidingWindow(int[] nums, int k) {
int len = nums.length;
Deque<Integer> dq = new ArrayDeque<>();
int[] ans = new int[len - k + 1];
int i = 0;
int right = k - 1;
while(i < len){
//当前队列中最大值的下标,是否在窗口内
while( dq.size()!= 0 && dq.peek() < i - k + 1) dq.poll();
//新来的值会踢除队列中对应下标数组中比它小的值(因为现在往右滑动过程中,包含这些值的窗口肯定也包含新值,因此旧的且小的值将被淘汰)
while( dq.size()!= 0 && nums[dq.peekLast()] < nums[i] ) dq.pollLast();
//新值对应下标加入到队列中(新值把比它小的值淘汰,虽然队列中还有比它大的值,但是窗口往有移动的过程中,这些较大的值到达不了,因此不能进行比较,所以新值的下标需要先加入到队列中)
dq.offer(i);
//滑动窗口到达目标窗口大小,开始存储窗口最大值
//注意这里要使用peek()方法,不然最大值就被踢掉
if( i >= k - 1){
ans[i - k + 1] =nums[dq.peek()];
}
i++;
}
return ans;
}
}
附(双端队列的使用方法,该部分从网上整理):
双端队列分类:
LinkedList 大小可变的链表双端队列,允许元素为插入null。
ArrayDeque 大下可变的数组双端队列,不允许插入null。
ConcurrentLinkedDeque 大小可变且线程安全的链表双端队列,非阻塞,不允许插入null。
LinkedBlockingDeque 为线程安全的双端队列,在队列为空的情况下,获取操作将会阻塞,直到有元素添加。