代码随想录刷题Day13 | 239. 滑动窗口最大值 | 347.前 K 个高频元素

代码随想录刷题Day13 | 239. 滑动窗口最大值 | 347.前 K 个高频元素

239.滑动窗口最大值

题目:

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

思路:

暴力解法时间复杂度为O(n * k)

采用单调队列的的方式,维护一个递减的队列,那么队头始终是最大元素。使用java里面的双端队列来实现,包含以下方法:

  1. pop()。弹出一个元素,当我们要弹出的元素等于队头元素时,弹出该元素,也就是说滑动窗口已经滑过了当前最大元素。
  2. push()。压入一个元素,当有元素入队时,查看队尾元素,如果队尾元素大于等于该元素,直接入队,如果队尾元素小于该元素,移除队尾元素,直至队列为空或队尾元素大于等于该元素,入队该元素。
  3. peek()。查看对头元素。

代码:

class Solution {
    class MyQueue{
        Deque<Integer> queue = new LinkedList<>();
        void pop(int val){
            if(val == queue.peek()){
                queue.poll();
            }
        }
        void push(int val){
            while(queue.size() > 0 && val > queue.getLast()){
                queue.removeLast();
            }
            queue.add(val);
        }
        int peek(){
            return queue.peek();
        }
    }
    public int[] maxSlidingWindow(int[] nums, int k) {
        int[] result = new int[nums.length - k + 1];
        MyQueue queue = new MyQueue();
        for(int i = 0; i < k; i++){
            queue.push(nums[i]);
        }
        for(int i = k; i < nums.length; i++){
            result[i - k] = queue.peek();
            queue.pop(nums[i - k]);
            queue.push(nums[i]);
        }
        result[nums.length - k] = queue.peek();
        return result;
    }
}

时间复杂度O(n)

347.前 K 个高频元素

题目:

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。

思路:

基本思路:使用HashMap统计频率,然后对频率排序,返回排序最高的k个数。

在这里使用到了优先队列,也就是大小根堆来排序。

代码:

class Solution {
    public int[] topKFrequent(int[] nums, int k) {
        Map<Integer, Integer> map = new HashMap<>();
        for(int num : nums){
            map.put(num, map.getOrDefault(num, 0) + 1);
        }
        PriorityQueue<int[]> pq = new PriorityQueue<>((pair1, pair2)->pair2[1]-pair1[1]);
        for(Map.Entry<Integer,Integer> entry:map.entrySet()){
            pq.add(new int[]{entry.getKey(),entry.getValue()});
        }
        int[] ans = new int[k];
        for(int i=0;i<k;i++){
            ans[i] = pq.poll()[0];
        }
        return ans;
    }
}

时间复杂度O(nlogk)

总结

  1. 栈和队列可以相互实现
  2. java里面栈的实现有Stack类,也可以使用deque等方法来实现
  3. 栈是FILO,队列是FIFO
  4. 单调队列,优先级队列的实现与应用
内容概要:本文详细介绍了一个基于C++的养老院管理系统的设计与实现,旨在应对人口老龄化带来的管理挑战。系统通过整合住户档案、健康监测、护理计划、任务调度等核心功能,构建了从数据采集、清洗、AI风险预测到服务调度与可视化的完整技术架构。采用C++高性能服务端结合消息队列、规则引擎和机器学习模型,实现了健康状态实时监控、智能任务分配、异常告警推送等功能,并解决了多源数据整合、权限安全、老旧硬件兼容等实际问。系统支持模块化扩展与流程自定义,提升了养老服务效率、医护协同水平和住户安全保障,同时为运营决策提供数据支持。文中还提供了关键模块的代码示例,如健康指数算法、任务调度器和日志记录组件。; 适合人群:具备C++编程基础,从事软件开发或系统设计工作1-3年的研发人员,尤其是关注智慧养老、医疗信息系统开发的技术人员。; 使用场景及目标:①学习如何在真实项目中应用C++构建高性能、可扩展的管理系统;②掌握多源数据整合、实时健康监控、任务调度与权限控制等复杂业务的技术实现方案;③了解AI模型在养老场景中的落地方式及系统架构设计思路。; 阅读建议:此资源不仅包含系统架构与模型描述,还附有核心代码片段,建议结合整体设计逻辑深入理解各模块之间的协同机制,并可通过重构或扩展代码来加深对系统工程实践的掌握。
内容概要:本文详细介绍了一个基于C++的城市交通流量数据可视化分析系统的设计与实现。系统涵盖数据采集与预处理、存储与管理、分析建模、可视化展示、系统集成扩展以及数据安全与隐私保护六大核心模块。通过多源异构数据融合、高效存储检索、实时处理分析、高交互性可视化界面及模块化架构设计,实现了对城市交通流量的实时监控、历史趋势分析与智能决策支持。文中还提供了关键模块的C++代码示例,如数据采集、清洗、CSV读写、流量统计、异常检测及基于SFML的柱状图绘制,增强了系统的可实现性与实用性。; 适合人群:具备C++编程基础,熟悉数据结构与算法,有一定项目开发经验的高校学生、研究人员及从事智能交通系统开发的工程师;适合对大数据处理、可视化技术和智慧城市应用感兴趣的技术人员。; 使用场景及目标:①应用于城市交通管理部门,实现交通流量实时监测与拥堵预警;②为市民出行提供路径优化建议;③支持交通政策制定与信号灯配时优化;④作为智慧城市建设中的智能交通子系统,实现与其他城市系统的数据协同。; 阅读建议:建议结合文中代码示例搭建开发环境进行实践,重点关注多线程数据采集、异常检测算法与可视化实现细节;可进一步扩展机器学习模型用于流量预测,并集成真实交通数据源进行系统验证。
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