LeetCode 239 滑动窗口最大值(C++)

本文探讨了在数组中寻找滑动窗口最大值的有效算法,包括基础解法和进阶的线性时间复杂度解法。通过实例展示了如何利用max_element函数和分割数组的方法来解决问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

问题描述

给定一个数组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。

进阶:
你能在线性时间复杂度内解决此题吗?

示例:

输入: nums = [1,3,-1,-3,5,3,6,7], 和 k = 3
输出: [3,3,5,5,6,7] 
解释: 

  滑动窗口的位置                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

解题思路

  • 题目的本意是返回每个滑动窗口中最大值组成的vector容器。
  • 从左向右遍历nums容器。将每次滑动窗口中的最大值存入vector容器后返回该容器。
  • max_element()函数返回容器中最大值的下标,若需取值,前面加*
  • 进阶解法:只能抄袭LeetCode上的官方解法了:

代码实现

(1)

class Solution {
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        vector<int> ivec;
        vector<int>::iterator iter = nums.begin();
        for(; iter != nums.end() - k + 1; iter++) // 注意数组下标的问题
            ivec.push_back(*max_element(iter, iter + k));
        return ivec;
    }
};

实现截图

在这里插入图片描述

进阶解法

这是另一个 O(N)O(N)O(N)的算法。本算法的优点是不需要使用 数组 / 列表 之外的任何数据结构。

算法的思想是将输入数组分割成有 kkk 个元素的块。
若 n % k != 0,则最后一块的元素个数可能更少。

在这里插入图片描述

开头元素为 iii ,结尾元素为jjj 的当前滑动窗口可能在一个块内,也可能在两个块中。

在这里插入图片描述

情况 1 比较简单。 建立数组 left, 其中 left[j] 是从块的开始到下标 j 最大的元素,方向 左->右。

在这里插入图片描述

为了处理更复杂的情况 2,我们需要数组 right,其中 right[j] 是从块的结尾到下标 j 最大的元素,方向 右->左。right 数组和 left 除了方向不同以外基本一致。

image.png

两数组一起可以提供两个块内元素的全部信息。考虑从下标 i 到下标 j的滑动窗口。 根据定义,right[i] 是左侧块内的最大元素, left[j] 是右侧块内的最大元素。因此滑动窗口中的最大元素为 max(right[i], left[j])。

image.png

算法十分直截了当:

  • 从左到右遍历数组,建立数组 left。

  • 从右到左遍历数组,建立数组 right。

  • 建立输出数组 max(right[i], left[i + k - 1]),其中 i 取值范围为 (0, n - k + 1)。

(2)

class Solution:
    def maxSlidingWindow(self, nums: 'List[int]', k: 'int') -> 'List[int]':
        n = len(nums)
        if n * k == 0:
            return []
        if k == 1:
            return nums
        
        left = [0] * n
        left[0] = nums[0]
        right = [0] * n
        right[n - 1] = nums[n - 1]
        for i in range(1, n):
            # from left to right
            if i % k == 0:
                # block start
                left[i] = nums[i]
            else:
                left[i] = max(left[i - 1], nums[i])
            # from right to left
            j = n - i - 1
            if (j + 1) % k == 0:
                # block end
                right[j] = nums[j]
            else:
                right[j] = max(right[j + 1], nums[j])
        
        output = []
        for i in range(n - k + 1):
            output.append(max(left[i + k - 1], right[i]))
            
        return output
### 解题思路 LeetCode 第 1456 题“定长子串中元音的大数目”要找出长度为 `k` 的连续子串中,元音字符数量多的那个子串。这个问题可以通过**固定大小滑动窗口(Fixed-size Sliding Window)**的方法高效解决。 算法的核心思想是维护一个大小为 `k` 的窗口,并在每次移动窗口时更新当前窗口内的元音总数。初始阶段计算前 `k` 个字符的元音数量,之后每次向右滑动一位时,移除窗口左端的字符(如果它是元音),并添加新进入窗口的右端字符(如果它是元音)。每一步都记录最大值终得到结果。 该方法的时间复杂度为 O(n),其中 n 是字符串的长度,因为每个字符仅被访问两次(一次加入窗口,一次移出窗口)[^1]。 ### C++ 实现代码 ```cpp #include <unordered_set> #include <string> using namespace std; class Solution { public: int maxVowels(string s, int k) { unordered_set<char> vowels = {'a', 'e', 'i', 'o', 'u'}; int cnt = 0; // 初始化窗口 for (int i = 0; i < k; ++i) { if (vowels.count(s[i])) { ++cnt; } } int ans = cnt; // 滑动窗口遍历字符串 for (int i = k; i < s.size(); ++i) { if (vowels.count(s[i - k])) { --cnt; // 移除窗口左边的字符 } if (vowels.count(s[i])) { ++cnt; // 添加新进入窗口的字符 } ans = max(ans, cnt); } return ans; } }; ``` ### 关键点分析 - **元音判断**:使用 `unordered_set` 存储元音字符,以便快速判断某个字符是否是元音。 - **滑动窗口初始化**:从字符串开头构建第一个窗口,并统计其中的元音数量。 - **窗口滑动过程**:每次滑动时更新计数器,避免重复遍历整个窗口。 - **性能优化**:相比暴力解法(O(n * k)),滑动窗口将时间复杂度优化至 O(n),适用于大规模输入数据。 ###
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