代码随想录训练营打卡DAY 12 | 队列的应用
滑动窗口最大值
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 ) O(n) O(n)
前 K 个高频元素
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 ( n l o g n ) O(nlogn) 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 ( l o g k ) O(logk) O(logk),故时间复杂度为 O ( n l o g k ) O(nlogk) 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 ( n l o g k ) O(nlogk) O(nlogk)
参考文档
- 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
- https://programmercarl.com/0347.%E5%89%8DK%E4%B8%AA%E9%AB%98%E9%A2%91%E5%85%83%E7%B4%A0.html