155 Min Stack

题目链接:https://leetcode.com/problems/min-stack/

题目:

Design a stack that supports push, pop, top, and retrieving the minimum element in constant time.

push(x) -- Push element x onto stack.
pop() -- Removes the element on top of the stack.
top() -- Get the top element.
getMin() -- Retrieve the minimum element in the stack.

解题思路:
这题希望我们在常量时间内找出栈中的最小值。
方法是用空间换时间的做法。
1. 建立两个栈,一个是正常放置元素的栈 a,另一个是存放当前栈 a 中最小元素的栈 b
2. 栈 a 每次入栈一个元素,都要和栈 b 的栈顶元素做比较
3. 如果入栈元素小于栈 b 栈顶元素,那么该入栈元素就是栈 a 当前最小的元素,应把该元素压入栈 b
4. 否则,若当前入栈元素大于栈 b 栈顶元素,说明栈 b 的栈顶元素依然是当前栈 a 中最小的元素,用 peek 方法获取栈 b 栈顶元素后再压入栈 b
5. 弹栈时,栈 a 和栈 b 都弹出栈顶元素

注意:当把 LinkedList 当做栈时,也就是添加元素使用 push() 方法时,栈顶元素相当于链表的表头,栈底元素相当于链表末尾。故,取栈顶元素用方法 peek()。

代码实现:

class MinStack {

    private LinkedList<Integer> stack = new LinkedList();
    private LinkedList<Integer> min = new LinkedList();

    public void push(int x) {
        stack.push(x);
        if(min.isEmpty()) {
            min.push(x);
        } else {
            int minX = min.peek();
            if(minX > x)
                min.push(x);
            else
                min.push(minX);
        }
    }

    public void pop() {
        stack.pop();
        min.pop();
    }

    public int top() {
        return stack.peek();
    }

    public int getMin() {
        return min.peek();
    }
}
17 / 17 test cases passed.
Status: Accepted
Runtime: 10 ms
基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值