代码随想录13|239滑动窗口最大值、347前K个高频元素_滑动窗口最大值代码随想-优快云博客

本文链接：https://blog.youkuaiyun.com/m0_61124027/article/details/128589131

文章介绍了两种算法问题的解决方案：一是使用单调队列实现滑动窗口的最大值，二是利用优先级队列（小顶堆）找出数组中前k个高频元素。这两种方法都优化了时间复杂度，分别达到O(n)和O(nlogk)。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 滑动窗口最大值

class Solution {

    class MyQueue{ //单调队列
public:
    deque<int> que;
    void pop(int value){ //因为可能第一个已经被pop，所以要确认是否已经被pop，没被pop就pop
        if(!que.empty() && value == que.front()){
            que.pop_front();
        }
    }
    void push(int value){
        while(!que.empty() && value > que.back()){
            que.pop_back();
        }
        que.push_back(value);
    }
    int getMax(){//单调队列的队首就是最大值
       return que.front();
    }
};
public:
    vector<int> maxSlidingWindow(vector<int>& nums, int k) {
        MyQueue que;
        vector<int> result;
        //首先把前三个加入队列
        for(int i = 0; i < k; i++){
            que.push(nums[i]);
        }
        //获取前三个中的最大值
        result.push_back(que.getMax());
        for(int i = k; i < nums.size(); i++){
            que.pop(nums[i-k]);//首先pop出前三个的第一个
            que.push(nums[i]);//滑动窗口前加入最后面的元素
            result.push_back(que.getMax());
        }
        return result;
    }
};

暴力解法也可以找到最大值：时间复杂度O(n × k)；

通过自己构造单调队列，实现只维护最大值，同时保证队里的元素数值是由大到小的。

2 前k个高频元素

347. 前 K 个高频元素

利用map统计每个数出现的频率，然后用sort排序（时间复杂度为O（nlogn））；

我本来还想用map内部自动排序，后来想想才发现他是利用key排序的，而这里的key是nums数值。

使用优先级队列进行排序，只需要维护，前k个高频元素（时间复杂度为O（nlogk））

本题利用小顶堆，因为要统计最大前k个元素，只有小顶堆每次将最小的元素弹出，最后小顶堆里积累的才是前k个最大元素。

因为是从小到大，所以最后要通过倒序对结果集进行赋值，出来才是从大到小

class Solution {
    struct cmp{
    public:
        bool operator()(const pair<int,int> &l, const pair<int, int> &r){
            return l.second > r.second;
        }
    };
public:
    vector<int> topKFrequent(vector<int>& nums, int k) {
        unordered_map<int,int> map;
        for(int i = 0; i < nums.size();i++){
            map[nums[i]]++;
        }
        priority_queue<pair<int,int>,vector<pair<int,int>>,cmp> pq;

        for(unordered_map<int,int>::iterator it = map.begin(); it != map.end();it++){
            pq.push(*it);
            if(pq.size() > k){
                pq.pop();
            }
        }

        vector<int> result(k);
        
        for(int i = k-1; i >=0 ; i--){//小顶堆，从小到大，所以后序遍历进行赋值
            result[i] = pq.top().first;
            pq.pop();
        }
        return result;

    }
};

优先级队列priority_queue：（默认情况下是大顶堆）

大顶堆：进入队列之后，从大到小

小顶堆：进入队列之后，从小到大

优先级队列（priority_queue），不满足先进先出的条件，更像是数据类型中的“堆”。优先级队列每次出队的元素是队列中优先级最高的那个元素，而不是队首的元素。这个优先级可以通过元素的大小等进行定义。
大顶堆优先级就是大值，小顶堆优先级就是小值

priority_queue<typename, container, functional>
typename是数据的类型；
container是容器类型，可以是vector,queue等用数组实现的容器，不能是list，默认可以用vector；
functional是比较的方式，默认是大顶堆；如果使用C++基本数据类型，可以直接使用自带的less和greater这两个仿函数（默认使用的是less，就是构造大顶堆，元素小于当前节点时下沉）。