大家好,我是怒码少年小码。
今天这篇就讲一道题目,不难😎,但是一定要学会自己思考。
滑动窗口最大值
LeetCode 239: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:
- 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 __ 窗口内的最大值
- [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
直接比较法
首先,我第一个想到的是滑动窗口+直接比较的方法,既然是求每次滑动窗口的最大值,那就维护两个指针,当两个指针每次移动的时候都求一下当前窗口内的最大值,求出后放到存放最大值的数组中。这样一直到右指针到达数组的末尾。
public int[] maxSlidingWindow(int[] nums, int k) {int left = 0;int right = k - 1;int len = nums.length- k + 1 ;int[] maxList = new int[len];while(right < nums.length){int max = nums[left];for(int i = left ; i <= right ; i++ ){if(nums[i] > max){max = nums[i];}}maxList[left] = max;left++;right++;}return maxList;
}
当然,很不幸,这种方法超出了时间限制😎🤏🕶 -> 😭。接下来讲的方法才是本篇的重点。
滑动窗口与堆
本题初始时,我们将数组 nums 的前 k个元素放入优先队列中。每当我们向右移动窗口时,我们就可以把一个新的元素放入优先队列中,此时堆顶的元素就是堆中所有元素的最大值。然而这个最大值可能并不在滑动窗口中,在这种情况下,这个值在数组 nums 中的位置出现在滑动窗口左边界的左侧。因此,当我们后续继续向右移动窗口时,这个值就永远不可能出现在滑动窗口中了,我们可以将其永久地从优先队列中移除。
我们不断地移除堆顶的元素,直到其确实出现在滑动窗口中。此时,堆顶元素就是滑动窗口中的最大值。为了方便判断堆顶元素与滑动窗口的位置关系,我们可以在优先队列中存储二元组 (num,index),表示元素num 在数组中的下标为index。
public int[] maxSlidingWindow(int[] nums, int k) {int n = nums.length;//定义优先级队列,自定义排序器,首先按照nums元素值进行降序排序,如果元素值相等,则按照数组下标值进行降序排序PriorityQueue<int[]> pq = new PriorityQueue<int[]>(new Comparator<int[]>(){public int compare(int[] pair1 , int[] pair2){return pair1[0] != pair2[0] ? pair2[0]-pair1[0]:pair2[1]-pair1[1];}});// 前k个元素入队for(int i =0;i < k ; i++){pq.offer(new int[]{nums[i],i});}// 初始化结果数组int[] ans = new int[n - k + 1];ans[0] = pq.peek()[0];// 开始滑动窗口for(int i = k ; i < n ; i++){// 新的元素入队pq.offer(new int[]{nums[i],i});// 因为已经排好序,因此可以通过peek剔除掉当前队列中为最大值但非窗口中的的元素,循环结束后则队首元素为当前队列中为最大值且是窗口中的元素while(pq.peek()[1] <= i - k){pq.poll();}ans[i - k + 1] = pq.peek()[0];}return ans;
}
首先,我们有一个整数数组 nums
和一个窗口大小 k
。我们需要找到每个窗口中的最大值,并将这些最大值存储在一个新的数组 ans
中。
代码的核心是使用优先队列(PriorityQueue)来维护窗口中的元素,并根据它们的值和索引进行比较。
首先,我们创建一个优先队列 pq
,并通过传入一个自定义的比较器来定义元素的比较规则。比较器中的比较规则是根据元素的值和索引进行比较,如果元素的值不相等,则按值的降序排列,如果元素的值相等,则按索引的降序排列。
接下来,我们遍历数组 nums
的前 k
个元素,并将它们添加到优先队列 pq
中。每个元素都是一个数组,包含元素的值和索引。
new int[]{nums[i], i}
是一个匿名整数数组对象的创建和初始化。它的作用是创建一个包含两个元素的整数数组,并将 nums[i] 赋值给数组的第一个元素,将 i 赋值给数组的第二个元素。
在这个特定的代码中,我们使用 new int[]{nums[i], i} 来创建一个包含当前元素值 nums[i] 和当前索引 i 的整数数组。然后,我们将这个数组添加到优先队列 pq 中,以便在后续的操作中使用。
然后,我们创建一个新的数组 ans
,用于存储每个窗口的最大值。我们首先将优先队列 pq
中的最大元素的值存储在 ans
的第一个位置。
接下来,我们从第 k
个元素开始遍历数组 nums
。对于每个元素,我们将其添加到优先队列 pq
中,并执行以下操作:
-
检查优先队列
pq
的顶部元素(最大元素)的索引是否在当前窗口范围内。如果不在范围内,说明该元素已经不在当前窗口中,我们需要将其从优先队列pq
中移除。我们反复执行此操作,直到顶部元素的索引在当前窗口范围内。 -
将优先队列
pq
的顶部元素的值存储在ans
数组中的相应位置。这个值就是当前窗口的最大值。
重复以上步骤,直到遍历完整个数组 nums
。
最后,我们返回数组 ans
,其中包含了每个窗口的最大值。
双端队列
这种方法就当是一个小扩展
第一种方法在每个窗口内通过遍历查找最大值,时间复杂度为 O(k)。可以使用双端队列(Deque) 来优化这个过程,将当前窗口内的较小元素从队列中移除,以保持队列的头部始终是窗口内的最大值的下标。这样可以将时间复杂度降低到 O(1)。
public int[] maxSlidingWindow(int[] nums, int k) {int n = nums.length;if (n * k == 0) return new int[0];Deque<Integer> deque = new ArrayDeque<>();int[] maxList = new int[n - k + 1];for (int i = 0; i < nums.length; i++) {// 移除超出窗口范围的元素if (!deque.isEmpty() && deque.peek() < i - k + 1) {deque.poll();}// 移除窗口内小于当前元素的元素,保持队列头部始终是最大值while (!deque.isEmpty() && nums[deque.peekLast()] < nums[i]) {deque.pollLast();}//队列中加入数组的下标deque.offer(i);// 将窗口内的最大值存储在结果数组中if (i - k + 1 >= 0) {maxList[i - k + 1] = nums[deque.peek()];}}return maxList;
}
小码补充:
防止有人不了解Java中的双端队列,这里我们做一个简单的知识补充
在Java中,Deque
接口是双端队列(Double Ended Queue)的一种实现。Deque
具有队列和栈的性质,可以在队列的两端进行插入和删除操作。下面逐一解释 Deque
接口中的四个方法:poll()
、peek()
、peekLast()
和 offer()
。
poll()
方法用于检索并删除队列的头元素(首部元素)。如果队列为空,poll()
方法将返回null
。peek()
方法用于检索队列的头元素(首部元素),但不删除它。如果队列为空,peek()
方法将返回null
。peekLast()
方法用于检索队列的尾元素(尾部元素),但不删除它。如果队列为空,peekLast()
方法将返回null
。offer()
方法用于在队列的尾部插入一个元素。如果队列已满,则offer()
方法将返回false
,否则返回true
。
下面是这些方法的示例用法:
import java.util.*;
public class DequeExample {public static void main(String[] args) {Deque<Integer> deque = new ArrayDeque<>();// 添加元素到队列尾部deque.offer(1);deque.offer(2);deque.offer(3);System.out.println(deque); // 输出: [1, 2, 3]// 检索并删除队列头部元素int first = deque.poll();System.out.println(first); // 输出: 1System.out.println(deque); // 输出: [2, 3]// 检索队列头部元素但不删除int peeked = deque.peek();System.out.println(peeked); // 输出: 2// 检索队列尾部元素但不删除int peekedLast = deque.peekLast();System.out.println(peekedLast); // 输出: 3}
}
总结:
Deque
接口中的poll()
、peek()
、peekLast()
和offer()
方法分别用于检索和操作双端队列的元素。poll()
方法从队列头部检索并删除元素,peek()
方法从队列头部检索元素但不删除,peekLast()
方法从队列尾部检索元素但不删除,offer()
方法将元素插入到队列尾部。
END
说实话,还是很有难度的,那个滑动窗口和堆的配合我也是想了半天才搞懂,不就是力扣上的难度题目,我没事😎🤏🕶 -> 😭 。