滑动窗口的最大值_牛客题霸_牛客网
描述
给定一个长度为 n 的数组 num 和滑动窗口的大小 size ,找出所有滑动窗口里数值的最大值。
例如,如果输入数组{2,3,4,2,6,2,5,1}及滑动窗口的大小3,那么一共存在6个滑动窗口,他们的最大值分别为{4,4,6,6,6,5}; 针对数组{2,3,4,2,6,2,5,1}的滑动窗口有以下6个: {[2,3,4],2,6,2,5,1}, {2,[3,4,2],6,2,5,1}, {2,3,[4,2,6],2,5,1}, {2,3,4,[2,6,2],5,1}, {2,3,4,2,[6,2,5],1}, {2,3,4,2,6,[2,5,1]}。
窗口大于数组长度或窗口长度为0的时候,返回空。
数据范围: 1≤n≤100001≤n≤10000,0≤size≤100000≤size≤10000,数组中每个元素的值满足 ∣val∣≤10000∣val∣≤10000
要求:空间复杂度 O(n)O(n),时间复杂度 O(n)O(n)
【解法一】暴力搜索
使用双指针卡住一段区间,然后对每一段区间进行一个最大值查找。
这里使用了一个数组来存储当前滑动窗口的内容,也可以去掉这个数组,直接进行访问即可
class Solution {
public:
int getmaxvalue(vector<int>& num)
{
int res = num[0];
for(auto& e : num)
res = max(e, res);
return res;
}
vector<int> maxInWindows(const vector<int>& num, unsigned int size) {
vector<int> res;
if(size>num.size()||size==0)return res;
auto left = num.begin();
auto right = left + size;
while(right!=num.end()+1)
{
vector<int> temp(left,right);
res.push_back(getmaxvalue(temp));
left++;
right++;
}
return res;
}
};
【解法二】暴力的空间优化 在原数组上进行搜索
class Solution {
public:
vector<int> maxInWindows(const vector<int>& num, unsigned int size) {
vector<int> res;
if(size>num.size() || size==0) return res;
for(int left = 0; left <= num.size()-size; left++)
{
int ret = 0;
// 从每一个left后面找出一段窗口
for(int right = left; right < left + size; right++)
{
ret = max(ret, num[right]);
}
res.push_back(ret);
}
return res;
}
};
【解法三】优先级队列
优先级队列存放一个键值对,则优先级队列建堆就会按照key值来进行对应比较处理。
emplace的用法:
class Solution {
public:
vector<int> maxInWindows(const vector<int>& num, unsigned int size) {
vector<int> res;
if(size > num.size() || size == 0) return res;
priority_queue<pair<int,int>> q;
for(int i = 0; i < size; i++)
{
q.emplace(num[i],i);//存放自定义类型时需要使用emplace 会自动调用对应类型的构造函数
}
res.push_back(q.top().first);
for(int i = size; i < num.size(); i++)
{
q.emplace(num[i], i);
int left = i - size + 1; // 位于窗口左边界
while(q.top().second < left)
{
q.pop(); // 优先级队列会根据key值进行建堆,堆顶即为最大值,
} // 如果这个最大值是窗口前面下标元素,使用循环直接pop掉
res.push_back(q.top().first);
}
return res;
}
};
【解法四】双端队列
创建一个队列,每次将当前元素放入队列,在队列内部查找最大值,可是队列无法进行查找,所以只能自行维护一个这样递减趋势的单调队列,让最左侧一直保持的是当前区间的最大值元素,并且要满足绝对单调递减
使用一个while循环,当队列有元素时,就要保证目前放入的元素必须按照递减顺序插入队列,那就使用当期访问元素与队尾元素进行比较,如果队尾元素小,直接把这个队尾元素pop掉,如果队尾元素大,那么满足递减趋势,将当前元素push即可。
while(!q.empty() && num[i]>num[q.back()])
q.pop_back();
q.push_back(i);
对于下标的存储:
因为后续的滑动窗口无法判断其当前队头元素是否属于该区间,所以使用存入下标的方式解决这个问题,也可以使用方法三来存入一个键值对。
// 在递减趋势下,最左侧一定是最大值,只需要确实当前最大值是否属于当前窗口范围
int left = i - size + 1;//滑动窗口左边界
while(!q.empty() && q.front() < left) //如果队头不属于当前窗口就pop掉
q.pop_back();
res.push_back(num[q.front()]);
class Solution {
public:
vector<int> maxInWindows(const vector<int>& num, unsigned int size) {
vector<int> res;
if(size > num.size() || size == 0) return res;
deque<int> q;
for(int i = 0; i < size; i++)
{
// 首先处理滑动前size的内部
// 使其满足队列下标对应元素程递减趋势
while(!q.empty() && num[i]>num[q.back()])
q.pop_back();
q.push_back(i);
}
res.push_back(num[q.front()]);// 目前队首元素即为前size个元素的最大值
for(int i = size; i < num.size(); i++)
{
while(!q.empty() && num[i]>num[q.back()])
q.pop_back();
q.push_back(i); // 也是同样的操作进行插入元素,保证递减趋势
// 在递减趋势下,最左侧一定是最大值,只需要确实当前最大值是否属于当前窗口范围
int left = i - size + 1;
while(!q.empty() && q.front() < left)
q.pop_back();
res.push_back(num[q.front()]);
}
return res;
}
};