题目解释:
用滑动窗口的思想理解题目:
- 滑动窗口是一个长度为
k
的连续子数组,随着窗口的移动,每次会移出最左边的一个元素,同时在最右边添加一个新元素。 - 对于每次移动后的窗口,我们需要找出窗口中的最大值。
思路一:暴力解法
执行超出时间限制
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
//暴力解法,枚举滑动窗口内部值,获取最大值,存入数组
int n = nums.size();
vector<int> result;
//遍历数组
for(int i = 0; i <= n - k; i++){
int max_num = nums[i];
//枚举滑动窗口内部值
for(int j = i + 1; j <= i+k-1; j++){
max_num = max(max_num, nums[j]);
}
result.push_back(max_num);
}
return result;
}
};
- 时间复杂度:O(n²)
- 空间复杂度:O(n)
思路二:优先队列法
使用一个优先队列 (即大顶堆)存储滑动窗口内的元素,保证堆顶始终是当前范围内的最大值,当窗口进行滑动时,添加新元素,同时将不在窗口范围内的堆顶元素移除队列,每次滑动后,堆顶元素即为当前窗口的最大值,将其存入结果数组。
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int n = nums.size();
//定义一个优先队列,里面的元素按照pair类型进行存储
//在C++中,优先队列默认是个大顶堆
priority_queue<pair<int, int>> q;
//处理第一个滑动窗口
for(int i = 0; i < k; i++){
q.emplace(nums[i], i);
}
//将第一个滑动窗口中的最大值(大顶堆的堆顶)存入结果数组
vector<int> result = {q.top().first};
//窗口向右滑动,处理后续滑动窗口
for(int i = k; i < n; i++){
//将进行新滑动窗口的元素添加进优先队列中
q.emplace(nums[i], i);
//如果堆顶元素不在滑动窗口内,移除堆顶元素
while(q.top().second <= i - k){
q.pop();
}
//将堆顶元素存入结果数组
result.push_back(q.top().first);
}
return result;
}
};
pair
和vector
的区别:
pair
:
pair
是一个结构体,表示一对相关的数据,通常用于存储两个不同类型的元素。pair
类型的对象通常包含两个成员:first
和second
,分别存储一对值。你在声明pair
时,需要指定这两个元素的类型(可以是相同的类型,也可以是不同的类型)。pair
不能像vector
那样存储多个元素,而是仅仅存储一对元素。
2.vector
:
vector
是一个动态数组容器,可以存储任意类型的元素,并且能够动态地调整大小。vector
可以使用push_back
方法向末尾添加元素。vector
的元素可以是任何类型(包括pair
类型),并且vector
是一个可以存储多个元素的容器。
pair
和vector
是否可以使用emplace_back
或push_back
:
pair
不能使用push_back
或emplace_back
:
- 由于
pair
本身是一个单一的结构体,不是一个容器,因此你不能直接向pair
中添加元素。pair
对象只包含两个成员first
和second
,你只能通过赋值来修改这两个成员。vector
可以使用push_back
或emplace_back
:
vector
是一个动态数组,支持push_back
方法来添加新的元素,也支持emplace_back
来直接构造新的元素。- 如果
vector
存储的是pair
类型的元素,你可以使用push_back
或emplace_back
向vector
中添加新的pair
对象。在使用
emplace
方法时,emplace
将构造参数传递给pair
的构造函数:
- 当你使用
emplace
时,容器会将你传递给emplace
的参数直接传递给pair
的构造函数,而不需要先创建一个pair
对象。- 例如,使用
vector<pair<int, string>>
时,调用emplace_back(1, "one")
相当于直接在vector
中构造一个pair<int, string>
,而不是先构造一个临时的pair
对象,然后再将它添加到vector
中。
- 时间复杂度:O(nlogn)
- 空间复杂度:O(n)
思路三:双端队列法
借助一个单调队列存储滑动窗口内元素的索引,队列内索引对应nums数组中的值严格单调递减,队头元素就是滑动窗口内最大的那个数
当窗口进行滑动时,在保证队列内索引对应nums数组中的值严格单调递减添加新元素,同时将不在窗口范围内的堆顶元素移除队列,每次滑动后,堆顶元素即为当前窗口的最大值,将其存入结果数组
class Solution {
public:
vector<int> maxSlidingWindow(vector<int>& nums, int k) {
int n = nums.size();
//定义一个双端队列,队内存储的元素是nums数组中的索引
//这些元素在nums数组中是严格单调递减的
deque<int> q;
for(int i = 0; i < k; i++){
//将新进入队列的元素不断与队尾元素相比较,
//如果前者比后者大,就将队尾元素弹出队列
while(!q.empty() && nums[i] >= nums[q.back()]){
q.pop_back();
}
//滑动窗口内元素入队
q.push_back(i);
}
//定义结果数组并将第一个滑动窗口的最大值存入数组
vector<int> result = {nums[q.front()]};
for(int i = k; i < n; i++){
while(!q.empty() && nums[i] >= nums[q.back()]){
q.pop_back();
}
q.push_back(i);
//剔除滑动窗口外的值
while(q.front() <= i - k){
q.pop_front();
}
//滑动窗口最大值添加进结果数组
result.push_back(nums[q.front()]);
}
return result;
}
};
- 时间复杂度:O(n)
- 空间复杂度:O(k)
总结:后两个的整体思路都是先处理第一个滑动窗口,然后再结果数组中加入最大值,然后继续处理剩下的滑动窗口,区别在于使用不同的数据结构存储滑动窗口内元素