Leetcode LRU缓存

LRU 缓存算法思想及代码解析

算法思想

LRU（Least Recently Used，最近最少使用）缓存 需要满足以下要求：

1. 在 O(1) 时间复杂度内完成 get 和 put 操作。
2. 当缓存满时，删除最近最少使用的元素（即最久没有被访问的元素）。
3. 每次访问或插入数据，都需要将该数据提升为最近使用的状态。

为了实现这一目标，我们使用 哈希表（HashMap）+ 双向链表（Doubly Linked List） 的数据结构组合：

• 哈希表（Map<Integer, Node>）用于 O(1) 时间查找键值对。
• 双向链表 维护数据访问的顺序：
  • 最近使用的数据位于链表头部（head.next）。
  • 最久未使用的数据位于链表尾部（tail.prev）。
  • 插入、删除节点均为 O(1) 操作。

---

代码解析

1. 设计数据结构

class Node {
   
    int key, value;
    Node prev, next;
    
    Node(int key, int value) {
   
        this.key = key;
        this.value = value;
    }
}

• Node 结构用于双向链表，每个节点存储 key-value 键值对，并且有 prev 和 next 指针，用于快速在链表中移动。

---

2. LRUCache 构造方法

private final int capacity;
private final Map<Integer, Node> cache;
private final Node head, tail;

public LRUCache(int capacity) {
   
    this.capacity = capacity;
    this.cache = new HashMap<>();
    this.head = new Node(0, 0);  // 虚拟头节点
    this.tail = new Node(0, 0);  // 虚拟尾节点
    head.next = tail;
    tail.prev = head;
}

• capacity：缓存的最大容量。
• cache：哈希表，存储 key -> Node，用于 O(1) 查找。
• head, tail：虚拟头尾节点，方便插入和删除操作。

---

3. get(int key) 方法

public int get(int key) {
   
    if (!cache.containsKey(key)) {
   
        return -1;
    }
    Node node = cache.get(key);
    moveToHead