239. 滑动窗口最大值
看到这题题目,我最先想到的是暴力解法,遍历数组,然后在k的元素内找最大值,但是很明显,这样会超时,因此我们只能另寻他法。
看到这个滑动窗口的实现功能就像是一个队列——元素先进后出,对于这道题目,我们考虑使用单调队列来解决问题
什么是单调队列?
单调队列(Monotonic Queue)是一种特殊的队列数据结构,它具有以下特点:
1. 维护元素的单调性:单调队列中的元素按照一定的单调性进行排列,可以是递增或递减。一般情况下,我们使用递增排列。
2. 支持基本操作:单调队列支持队尾插入元素、队头删除元素和获取当前队列中的最值等基本操作。
基本操作包括以下几个步骤:
1. 队尾插入元素:当要插入一个元素时,我们需要从队尾开始,将所有比要插入的元素小的元素都从队尾删除,然后将新元素插入到队尾。这样可以保持队列的单调性。
2. 队头删除元素:当要删除队头元素时,我们只需要判断队头元素是否等于当前要删除的元素,如果是,则将队头元素删除。这样可以保证队列中的最值不会被删除。
3. 获取当前队列中的最值:当需要获取当前队列中的最值时,我们直接返回队头元素即可。
这些基本操作可以帮助我们解决一些需要维护窗口大小、求滑动窗口最大/最小值等问题。
那么这题题目,就是典型的使用单调队列解决的问题
这道题目的具体解法也是如我介绍单调队列一样的解法,在滑动窗口中进行各种操作:
保持单调队列里的元素单调递减,那么队列出口的元素就是窗口里的最大元素;
我们该使用什么数据结构来实现目标呢?我认为使用deque最为合适,因为deque是一个双向队列,是queue的底层实现
下面来介绍些关于deque的基本操作
deque(双端队列)支持在队列的两端进行插入和删除操作。下面是关于deque的一些基本操作:
1. 插入元素:
使用 deque.push_front() 函数将元素插入到deque的前端。
使用 deque.push_back() 函数将元素插入到deque的后端。
2. 删除元素:
使用 deque.pop_front()函数从deque的前端删除一个元素。
使用 deque.pop_back() 函数从deque的后端删除一个元素。
3. 访问元素:
使用deque.front()函数获取deque的第一个元素。
使用deque.back()函数获取deque的最后一个元素。
4. 长度:
使用deque.size()函数获取deque中元素的个数。
具体思路如下:
创建一个类,在这个类中定义我们的单调队列,以及他执行的规则:
1.pop()函数:如果窗口移除的元素value等于单调队列的出口元素,那么队列弹出元素,否则不用任何操作
2.push()函数:push函数中包含了一些关于pop的操作,在当要push进去的元素大于队尾元素时,我们直接把队尾元素弹出,循环往复,直到push进来的元素小于队列的入口(队尾)元素的数值为止
3.front()函数:只要保持以上规则,那么我们每次返回front,即队头元素就是当前滑动窗口的最大值
具体代码如下:
class Solution {
private:
class Mydeque{
public:
deque<int>que;
void pop(int val){
if(!que.empty()&&que.front()==val){
que.pop_front();
}//保证非空的情况下,如果窗口滑动时,队头元素等于滑动窗口左边遍历到值时,弹出元素
}
void push(int val){
while(!que.empty()&&que.back()<val){
que.pop_back();//循环弹出小队尾比加入元素小的元素,保证队列里的元素时单调的
}
que.push_back(val);
}
int front(){
return que.front();
}
};
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
vector<int>result;
Mydeque myque;
for(int i=0;i<k;i++){
myque.push(nums[i]);
}
result.push_back(myque.front());
for(int i=k;i<nums.size();i++){
myque.pop(nums[i-k]);
myque.push(nums[i]);
result.push_back(myque.front());
}
return result;
}
};
347. 前 K 个高频元素
对于这道题目,我最先想到是暴力法求解,但是题目要求时间复杂度必须由于O(n logn)
很显然,暴力法行不通,那么有什么办法能解这题题目呢?
回看题目,我们将其分解之后可以看出题目给我们提了三个要求:
1.求某个元素出现的频率
2.对元素出现的频率进行排序
3.找出高频的前K个元素
那么我们可以立马想使用unordered_map这中数据结构来解决于要求1,对于要求2和3,对频率进行排序,这里我们可以使用一种 容器适配器就是优先级队列。为什么不使用快排呢,使用快排还需要将map中的数存放到数组中,对整个数组进行排序,这里只需要对前k个进行排序就行了
什么是优先队列?
其实优先队列就是堆,用数组进行模拟的完全二叉树
作用:拿出优先级最大的元素
大顶堆(堆头是最大元素),小顶堆(堆头是最小元素)
定义:priority_queue<int>que;(默认大顶堆)表示值越大,越先出队
几种基本操作
que.size() 获得元素数量
que.push()
que.pop() 删除优先级最高的元素(堆顶元素,类似于对栈的操作)
que.top() 访问优先级最高的元素
que.empty() 查看堆是否为空
优先队列定义的进阶:
priority_queue<int, vector<int>, greater<int> > pri_que;
第一个参数代表其内部的元素类型,第二个参数代表其用什么容器存放元素,第三个参数可以是less<int>表示小于的意思,默认为大顶堆 或是 greater<int> 默认为小顶堆
对于自定义比较方法:
1.重写仿函数(函数对象)
#include<bits/stdc++.h>
#define ll long long
using namespace std;
#define PP pair<int,int>
struct cmp{
//重写仿函数
bool operator()(PP a,PP b)
{
return a.first>b.first;
}
};
int main()
{
priority_queue<PP,vector<PP>,cmp> q;
q.push(make_pair(4,6));
q.push(make_pair(9,4));
q.push(make_pair(6,1));
while(!q.empty())
{
cout<<q.top().first<<q.top().second;
q.pop();
}
return 0;
}
2.运算符重载:
#include<bits/stdc++.h>
#define ll long long
using namespace std;
#define PP pair<int,int>
struct Node{
int x,y,z;
Node(int a,int b,int c)
{
x=a,y=b,z=c;
}
bool operator<(const Node &a) const //***** 运算符重载 < ,内置
{
return a.z>z; //按z值降序
}
};
int main()
{
priority_queue<Node> q;
q.push(Node(1,2,3));
q.push(Node(3,9,1));
q.push(Node(2,3,4));
while(!q.empty())
{
cout<<q.top().x << endl<<q.top().y <<endl<<q.top().z;
q.pop();
}
return 0;
}
具体思路如下:
我们选择使用小顶堆,因为每次移动更新元素时,大顶堆都会弹出最大的元素,与我们的目的相悖,所以我们应该使用小顶堆,每次弹出最小的元素即可
具体代码如下:
class Solution {
public:
class comparison{
public:
bool operator()(const pair<int,int> &a,const pair<int,int>&b){
return a.second>b.second;
}
};
vector<int> topKFrequent(vector<int>& nums, int k) {
vector<int>result;
unordered_map<int,int>map;
for(int i:nums){
map[i]++;
}
priority_queue<pair<int,int>,vector<pair<int,int>>,comparison>pri_que;
for(auto it=map.begin();it!=map.end();it++){
pri_que.push(*it);
if(pri_que.size()>k){
pri_que.pop();
}
}
for(int i=0;i<k;i++){
result.push_back(pri_que.top().first);
pri_que.pop();
}
return result;
}
};