单调队列+STL deque

本文介绍了如何使用单调队列优化求解滑动窗口最大值问题,详细解析了单调队列的插入和删除操作,并通过实例演示了单调队列的工作过程。此外,还提及了STL中的deque作为双端队列的应用。

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

单调队列=双端队列!

我们从最简单的问题开始:

给定一个长度为N的整数数列a(i),i=0,1,...,N-1和窗长度k.

要求:

      f(i) = max{a(i-k+1),a(i-k+2),..., a(i)},i = 0,1,...,N-1

问题的另一种描述就是用一个长度为k的窗在整数数列上移动,求窗里面所包含的数的最大值。

解法一:

很直观的一种解法,那就是从数列的开头,将窗放上去,然后找到这最开始的k个数的最大值,然后窗最后移一个单元,继续找到k个数中的最大值。

这种方法每求一个f(i),都要进行k-1次的比较,复杂度为O(N*k)。

那么有没有更快一点的算法呢?

解法二:

我们知道,上一种算法有一个地方是重复比较了,就是在找当前的f(i)的时候,i的前面k-1个数其它在算f(i-1)的时候我们就比较过了。那么我们能不能保存上一次的结果呢?当然主要是i的前k-1个数中的最大值了。答案是可以,这就要用到单调递减队列。

单调递减队列是这么一个队列,它的头元素一直是队列当中的最大值,而且队列中的值是按照递减的顺序排列的。我们可以从队列的末尾插入一个元素,可以从队列的两端删除元素。

1.首先看插入元素:为了保证队列的递减性,我们在插入元素v的时候,要将队尾的元素和v比较,如果队尾的元素不大于v,则删除队尾的元素,然后继续将新的队尾的元素与v比较,直到队尾的元素大于v,这个时候我们才将v插入到队尾。

2.队尾的删除刚刚已经说了,那么队首的元素什么时候删除呢?由于我们只需要保存i的前k-1个元素中的最大值,所以当队首的元素的索引或下标小于 i-k+1的时候,就说明队首的元素对于求f(i)已经没有意义了,因为它已经不在窗里面了。所以当index[队首元素]<i-k+1时,将队首 元素删除。

从上面的介绍当中,我们知道,单调队列与队列唯一的不同就在于它不仅要保存元素的值,而且要保存元素的索引(当然在实际应用中我们可以只需要保存索引,而通过索引间接找到当前索引的值)。

为了让读者更明白一点,我举个简单的例子。

假设数列为:8,7,12,5,16,9,17,2,4,6.N=10,k=3.

那么我们构造一个长度为3的单调递减队列:

首先,那8和它的索引0放入队列中,我们用(8,0)表示,每一步插入元素时队列中的元素如下:

0:插入8,队列为:(8,0)

1:插入7,队列为:(8,0),(7,1)

2:插入12,队列为:(12,2)

3:插入5,队列为:(12,2),(5,3)

4:插入16,队列为:(16,4)

5:插入9,队列为:(16,4),(9,5)

。。。。依此类推

那么f(i)就是第i步时队列当中的首元素:8,8,12,12,16,16,。。。

-------------------------------------------------------------------------------我是分割线------------------------------------------------------------------------------

ps:STL的deque接口

deque,意为double ended queue(双端队列),常读作deck。其用法和大家熟知的vector类似,接口基本和vector雷同。至于二者的不同之处和孰优孰劣,上面摘录的侯大师书里说的也很明白。容器本身没有绝对的好坏,关键看应用环境和需要。

    成员函数表如下:

函数

### 单调队列的实现 单调队列是一种特殊的队结构,其中存储的数据保持有序状态(通常是递增或递减)。通过利用 C++ STL 中的 `deque` 容器以及自定义逻辑,可以高效地实现这一功能。 以下是基于 C++ STL单调队列实现方法: #### 使用 `std::deque` 实现单调队列 下面是一个典型的单调队列实现示例代码,用于维护窗口内的最大值或最小值。此代码展示了如何使用 `std::deque` 来构建一个支持 O(1) 时间复杂度查询最值的操作。 ```cpp #include <iostream> #include <vector> #include <deque> using namespace std; // 维护滑动窗口的最大值 void slidingWindowMaximum(const vector<int>& nums, int k) { deque<int> dq; // 双端队,用来保存索引 for (int i = 0; i < nums.size(); ++i) { // 移除超出当前窗口范围的元素 while (!dq.empty() && dq.front() < i - k + 1) { dq.pop_front(); } // 从队尾部移除小于当前元素的所有值,以维持单调性 while (!dq.empty() && nums[dq.back()] <= nums[i]) { dq.pop_back(); } // 将当前元素加入队 dq.push_back(i); // 输出窗口中的最大值 if (i >= k - 1) { cout << nums[dq.front()] << " "; } } } int main() { vector<int> nums = {1, 3, -1, -3, 5, 3, 6, 7}; int k = 3; slidingWindowMaximum(nums, k); return 0; } ``` 上述代码实现了在一个大小固定的滑动窗口中寻找每一步的最大值的功能[^1]。这里的关键在于双端队 (`std::deque`) 被用来跟踪可能成为候选最大值的元素索引,并且始终保持这些索引对应的数值呈严格递减顺序。 #### 自定义比较函数的应用 如果需要改变默认行为(比如改为求解最小值),可以通过调整条件判断语句完成。例如,在上面的例子中修改 `nums[dq.back()] <= nums[i]` 成为 `nums[dq.back()] >= nums[i]` 则会得到相反的结果——即每次输出的是该区间内的最小值而非最大值[^2]。 另外需要注意的一点是在处理大量输入数据时性能考量方面的问题。尽管标准模板库提供了丰富的容器和算法供开发者选用,但在某些特定场景下仍需权衡效率与易用性的取舍。对于非常庞大的数据集来说,传统的 I/O 函数如 `scanf` 和 `printf` 往往表现得更加迅速;然而当项目规模较小或者开发时间有限的情况下,则完全可以依赖于更简洁直观的标准流操作符 `<`, `>` 进行交互[^4]。
评论 1
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