代码随想录训练营打卡DAY 12 | 队列的应用

代码随想录训练营打卡DAY 12 | 队列的应用

滑动窗口最大值

239.滑动窗口最大值（leetcode链接）

题目描述

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。

返回滑动窗口中的最大值。

进阶：

你能在线性时间复杂度内解决此题吗？

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  

题解

思路：使用双端队列deque实现（局部）单调队列。需实现以下功能：

• push：入口元素不能大于当前push元素
• pop：出口元素等于当前pop元素时才pop

实现上述功能后，就能保证每次front出来的元素（队首元素）一定是窗口内最大元素。

核心代码【C++】：

class MyQueue {
public:
    deque<int> que;
    // 当前要弹出的数值=队首元素时pop，pop前要判空
    void pop(int value) {
        if(!que.empty() && value == que.front()) que.pop_front();
    }
    // 若入口元素比push值小，则从入口处pop，循环结束后就能保持队列局部单调减
    void push(int value) {
        while (!que.empty() && que.back() < value)
        {
            que.pop_back();
        }
        que.push_back(value);
    }
    int front() {
        return que.front();
    }
};

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        MyQueue * q = new MyQueue();
        vector<int> result;
        for(int i = 0; i < k; i++){
            q->push(nums[i]);
        }
        for(int i = k; i < nums.size(); i++){
            result.push_back(q->front());// 获得最大值
            q->pop(nums[i - k]);
            q->push(nums[i]);
        }
        result.push_back(q->front());// 最后一个最大值
        return result;
    }
};

时间复杂度：由于每个元素最多pop一次，push一次，故时间复杂度为$O(n)$

前 K 个高频元素

347.前 K 个高频元素（leetcode链接）

题目描述

给你一个整数数组 nums 和一个整数 k ，请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。

示例 1:
输入: nums = [1,1,1,2,2,3], k = 2
输出: [1,2]

示例 2:
输入: nums = [1], k = 1
输出: [1]

提示：

• 1 <= nums.length <= 105
• k 的取值范围是 [1, 数组中不相同的元素的个数]
• 题目数据保证答案唯一，换句话说，数组中前 k 个高频元素的集合是唯一的

进阶：你所设计算法的时间复杂度 必须 优于 O(n log n) ，其中 n 是数组大小。

题解

思路：很明显用unordered_map存储出现频次。一般想法是直接对所有元素进行排序，时间复杂度是$O(nlogn)$，而这里可以维护一个大小为k的小根堆，遍历所有元素后最终留下k个频率最高的元素，而小根堆每次pop只需要$O(logk)$，故时间复杂度为$O(nlogk)$。

核心代码【C++】：

// 仿函数类
class myComparison{
public:
    bool operator()(const pair<int, int>& lhs, const pair<int, int>& rhs){
        return lhs.second > rhs.second;// 从小到大排，即小根堆
    }
};

vector<int> topKFrequent(vector<int>& nums, int k) {
    unordered_map<int, int> map;
    for(int i = 0; i < nums.size(); i++){
        map[nums[i]]++;
    }
    // 优先级队列的底层实现就是堆
    // 定义一个小根堆，大小为k
    // priority_queue<Type, Container, Funcitonal>
    // <typename _Tp, typename _Sequence = vector < _Tp >, typename _Compare = less < typename _Sequence :: value_type >> priority_queue
    priority_queue<pair<int, int>, vector<pair<int, int>>, myComparison> pri_que;
    
    for(unordered_map<int, int>::iterator iter = map.begin(); iter !=map.end(); iter++){
        pri_que.push(*iter);
        if(pri_que.size() > k) pri_que.pop();
    }

    vector<int> result(k);
    for(int i = k - 1; i >= 0; i--){
        result[i] = pri_que.top().first;
        pri_que.pop();
    }
    return result;
}

时间复杂度：$O(nlogk)$

参考文档

1. https://programmercarl.com/0239.%E6%BB%91%E5%8A%A8%E7%AA%97%E5%8F%A3%E6%9C%80%E5%A4%A7%E5%80%BC.html
2. https://programmercarl.com/0347.%E5%89%8DK%E4%B8%AA%E9%AB%98%E9%A2%91%E5%85%83%E7%B4%A0.html